( PDF ) Modelação e análise da vida útil (metrológica) de medidores tipo indução de energia elétrica ativa

Download PDF

ads:

Campus de Ilha Solteira

PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA ELÉTRICA

“Modelação e Análise da Vida Útil (Metrológica) de

Medidores Tipo Indução de Energia Elétrica Ativa”

MARCELO RUBIA DA SILVA

Orientador: Prof. Dr. Carlos Alberto Canesin

Dissertação apresentada à Faculdade de

Engenharia – UNESP – Campus de Ilha

Solteira, para obtenção do título de Mestre

em Engenharia Elétrica.

Área de Conhecimento: Automação.

Ilha Solteira - SP

Agosto/2010

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

FICHA CATALOGRÁFICA

Elaborada pela Seção Técnica de Aquisição e Tratamento da Informação

Serviço Técnico de Biblioteca e Documentação da UNESP - Ilha Solteira.

Silva, Marcelo Rubia da.

S586m Modelação e análise da vida útil (metrológica) de medidores tipo indução

de Energia Elétrica Ativa / Marcelo Rubia da Silva. -- Ilha Solteira : [s.n.],

2010.

165 f. : il.

Dissertação (mestrado) - Universidade Estadual Paulista. Faculdade de

Engenharia de Ilha Solteira. Área de conhecimento: Automação, 2010.

Orientador: Carlos Alberto Canesin

l. Medidores eletromecânicos de energia elétrica ativa. 2. Probabilidade de

falha. 3. Inteligência artificial. 4. Bases de dados. 5. Regressão stepwise. 6.

Árvores de decisão.

ads:

À Deus.

À minha família.

AGRADECIMENTOS

Agradeço à Deus pela luz e sabedoria que me acompanharam durante esta etapa.

Agradeço à meus pais, Arudale José da Silva e Sueli de Fátima Rubia da Silva, por

todo o amor que me proporcionaram. Obrigado por aceitarem minhas decisões e por

compreenderem os momentos de ausência.

Ao Prof. Dr. Carlos Alberto Canesin pela oportunidade e confiança.

Ao Prof. Dr. João Onofre Pereira Pinto pelos ensinamentos e conversas. Sem seu

auxílio a qualidade do trabalho não seria a mesma.

Ao Me. Luigi Galotto Junior pela troca de conhecimento. Foram longas nossas

discussões sobre inteligência artificial e banco de dados.

Ao colegas de trabalho, Me. Leonarndo Poltronieri Sampaio, Prof. Dr. Guilherme de

Azevedo e Melo, Me. Moacyr Brito e demais companheiros de laboratório, pelo apoio e

amizade.

À Priscila Rulli Meneses, pela atenção e carinho especiais. Obrigado por me apoiar

sempre.

Aos meus irmãos, Gabriel Rubia da Silva e Arueli Rubia da Silva por compreenderem

os meus esforços.

Aos meus primos, Marlene Figueira Ferreira e Samuel Antônio Figueira Ferreira pela

hospitalidade e apoio.

À todos os membros do laboratório BATLAB pela fraternidade.

Ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) pelo

apoio financeiro, possibilitando o desenvolvimento deste trabalho.

RESUMO

O estudo da confiabilidade operacional de equipamentos se tornou fundamental para

as empresas possuírem o devido controle dos seus ativos, tanto pelo lado financeiro quanto

em questões de segurança. O estudo da taxa de falha de equipamentos prevê quando as falhas

irão ocorrer possibilitando estabelecer atitudes preventivas, porém, seu estudo deve ser

realizado em condições de operação estabelecidas e fixas. Os medidores de energia elétrica,

parte do ativo financeiro das concessionárias de energia, são equipamentos utilizados em

diversas condições de operação, tanto nas condições do fluxo de energia, tais como presenças

de harmônicos, subtensões, sobre-tensões e padrões de consumo distintos, quanto pelo local

físico de instalação, tais como maresia, temperatura, umidade, etc. As falhas nos medidores

eletromecânicos de energia elétrica são de difícil constatação uma vez que a maioria dos erros

de medição, ocasionados principalmente por envelhecimento de componentes, não alteram a

qualidade da energia fornecida e nem interrompem o seu fornecimento. Neste sentido, este

trabalho propõe uma nova metodologia de determinação de falhas em medidores

eletromecânicos de energia elétrica ativa. Faz-se uso de banco de dados de uma

concessionária de energia elétrica e do processo de descoberta de conhecimento em bases de

dados para selecionar as variáveis mais significativas na determinação de falhas em

medidores eletromecânicos de energia elétrica ativa, incluindo no conjunto de falhas a

operação com erros de medição acima do permitido pela legislação nacional (2010). Duas

técnicas de mineração de dados foram utilizadas: regressão stepwise e árvores de decisão. As

variáveis obtidas foram utilizadas na construção de um modelo de agrupamento de

equipamentos associando a cada grupo uma probabilidade de falha. Como resultados finais,

um aplicativo em plataforma amigável foi desenvolvido para a implementação da

metodologia proposta e um estudo de caso é apresentado para demonstrar sua utilização.

Palavras-chave: Medidores eletromecânicos de energia elétrica ativa. Probabilidade

de falha. Inteligência artificial. Descoberta de conhecimento em bases de dados. Regressão

stepwise. Árvores de decisão.

ABSTRACT

The operational reliability study of equipments has become primal in order to

enterprises have the righteous control over their assets, both by financial side as by security

reasons. The study for the hazard rate of equipments allows to foresee the failures for the

equipments and to act preventively, but this study must be accomplished under established

and fixed operation conditions. The energy meters, for their part, are equipments utilized in

several operating conditions so on the utilization manner, like presence of harmonics, under-

voltages and over-voltages and distinct consumption patterns, as on the installation location,

like swel, temperature, humidity, etc. Failures in electromechanical Wh-meters are difficult to

detect once that the majority of metering errors occurred mainly by aging of components do

not change the quality of offered energy neither disrupt its supply. In this context, this work

proposes a novel methodology to obtain failure determination for electromechanical Wh-

meters. It utilizes Wh-databases from an electrical company and of the process of knowledge

discovery in databases to specify the most significant variables in determining failures in

electromechanical Wh-meters, including in the failure set the operation with metering errors

above those permitted by national regulations (2010). Two techniques of data mining were

used in this work: stepwise regression and decision trees. The obtained variables were utilized

on the construction of a model of clustering similar equipments and the probability of failure

of those clusters were determined. As final results, an application in a friendly platform were

developed in order to apply the methodology, and a case study was accomplished in order to

demonstrate its feasibility.

Keywords: Active electromechanical energy meters. Probability of failure. Artificial

intelligence. Knowledge discovery in databases. Stepwise regression. Decision trees.

SUMÁRIO

1 INTRODUÇÃO GERAL................................................................................17

1.1 Medidores eletromecânicos ......................................................................19

1.2 Medidores eletrônicos................................................................................22

1.3 Erros de medição........................................................................................24

1.4 Legislação sobre erros de medição..........................................................26

1.4.1 Agência Nacional de Energia Elétrica (ANEEL).......................................26

1.4.2 Agência Reguladora de Saneamento e Energia do Estado de São

Paulo (ARSESP)..........................................................................................27

1.4.3 Instituto Nacional de Metrologia, Normalização e Qualidade

Industrial (Inmetro).....................................................................................27

1.5 Motivação....................................................................................................29

1.6 Determinação de falha de equipamentos.................................................30

1.7 Estado da arte.............................................................................................33

1.8 Metodologia ................................................................................................34

2 SELEÇÃO DAS VARIÁVEIS MAIS SIGNIFICATIVAS PARA

DETERMINAÇÃO DE FALHAS EM MEDIDORES

ELETROMECÂNICOS DE ENERGIA ELÉTRICA ATIVA ...........................36

2.1 Considerações Iniciais...............................................................................36

2.2 O banco de dados da concessionária ......................................................36

2.3 Descoberta de Conhecimento em Bases de Dados ................................38

2.4 Seleção........................................................................................................41

2.5 Integração de dados...................................................................................45

2.5.1 Agrupamento de modelos .........................................................................48

2.6 Pré-processamento e limpeza dos dados ................................................48

2.6.1 Dados ausentes (missing values).............................................................49

2.6.2 Dados incorretos........................................................................................50

2.6.3 Dados discrepantes (outliers) ...................................................................52

2.6.4 Dados redundantes....................................................................................55

2.7 Transformação............................................................................................56

2.7.1 Transformação de variáveis categóricas em numéricas ........................57

2.7.2 Transformação de variáveis contínuas em discretas (discretização)....58

2.8 Mineração de Dados...................................................................................59

2.8.1 Classificação...............................................................................................60

2.8.2 Regressão ...................................................................................................61

2.8.3 Agrupamento (Clustering) .........................................................................62

2.8.4 Associação..................................................................................................63

2.8.5 Sumarização (Summarization) ..................................................................63

2.8.6 Detecção de desvios (Deviation detection)..............................................63

2.9 Técnicas de mineração de dados..............................................................63

2.9.1 Regressão ...................................................................................................64

2.9.2 Árvores de decisão.....................................................................................72

2.10 Pós-processamento ...................................................................................82

2.10.1 Modelo final.................................................................................................82

2.11 Considerações finais..................................................................................84

3 METODOLOGIA DE CÁLCULO DA PROBABILIDADE DE FALHA

DOS EQUIPAMENTOS................................................................................86

3.1 Determinação dos pesos das variáveis de entrada.................................87

3.2 Criação das classes finais.........................................................................93

3.3 Minimização de erros .................................................................................94

3.3.1 Regressão via kernel..................................................................................95

3.3.2 Peso inicial..................................................................................................98

3.4 Considerações finais..................................................................................99

4 APLICATIVO EM PLATAFORMA AMIGÁVEL..........................................100

4.1 Tela inicial .................................................................................................100

4.2 Importação ................................................................................................101

4.2.1 Importação de dados do parque e de consumo dos medidores..........102

4.2.2 Importação dos dados de ensaio............................................................105

4.3 Análise de probabilidade de falhas.........................................................109

4.3.1 Efetuar análise..........................................................................................109

4.3.2 Criar novo modelo utilizando IA..............................................................114

4.4 Configurações...........................................................................................117

4.5 Sistema especialista para amostragens.................................................118

4.6 Considerações finais................................................................................122

5 ESTUDO DE CASO ...................................................................................124

5.1 Introdução.................................................................................................124

5.2 Aplicação da metodologia sobre os equipamentos..............................125

5.3 Considerações finais................................................................................127

6 CONCLUSÃO E CONTINUIDADE DA PESQUISA...................................128

REFERÊNCIAS..........................................................................................131

APÊNDICE A – Agrupamento de modelos semelhantes ...........................138

APÊNDICE B – Árvore de decisão completa.............................................141

LISTA DE FIGURAS

Figura 1.1 Lâmpada desenvolvida por Thomas Edison....................................17

Figura 1.2 Medidor químico de energia elétrica desenvolvido por Thomas

Edison..............................................................................................18

Figura 1.3 Medidor de indução de Shallenberger .............................................19

Figura 1.4 Vista explodida do medidor monofásico...........................................20

Figura 1.5 Gráfico de confiabilidade para distribuição normal ..........................31

Figura 1.6 Curva de taxa de falha típica (curva “da banheira”).........................33

Figura 2.1 Relacionamento entre as tabelas da concessionária.......................37

Figura 2.2 Relação de DCBD com outras áreas...............................................38

Figura 2.3 Processo de DCBD..........................................................................40

Figura 2.4 Exemplo de relatório no padrão ARSESP........................................43

Figura 2.5 Construção da tabela

RESULTADOS

....................................................47

Figura 2.6 Exemplo de dados ausentes na tabela

MED_CONS

. a) Caso de UC

inexistente até dado período. b) Caso de UC desligada..................49

Figura 2.7 Registro com quebra dos dados em duas linhas.............................51

Figura 2.8 Utilização de sequência de escape. a) String sem uso do

caractere de escape. b) Uso de caractere de controle “nova

linha”................................................................................................52

Figura 2.9 Descrição de clientes que pagam ou não os empréstimos em

função da renda e da quantidade de dívidas ...................................60

Figura 2.10 Exemplo de classificação.................................................................61

Figura 2.11 Exemplo de regressão.....................................................................62

Figura 2.12 Exemplo de agrupamento................................................................62

Figura 2.13 Convenção dos modelos..................................................................64

Figura 2.14 Convenção de matrizes ...................................................................65

Figura 2.15 Fluxograma simplificado de forward stepwise..................................69

Figura 2.16 Valores de RMSE para todas as etapas do algoritmo forward

stepwise...........................................................................................70

Figura 2.17 Valores de RMSE para todas as etapas do algoritmo backward

stepwise...........................................................................................71

Figura 2.18 Exemplo de árvore de decisão.........................................................73

Figura 2.19 Representação dos valores da variável de saída classificados de

acordo com as variáveis de entrada ................................................76

Figura 2.20 Estrutura inicial da árvore de decisão..............................................78

Figura 2.21 Árvore de decisão obtida com os dados da concessionária ............79

Figura 2.22 Detalhe da árvore para

instalacoes=“1”

subtipo=“M1A”

.............81

Figura 3.1 Efeito de σ sobre a regressão kernel. a) Resultado para σ

pequeno. b) Resultado para σ elevado............................................97

Figura 3.2 Efeito do

peso inicial

sobre a resposta da regressão kernel. a)

Com

peso inicial = 0

. b) Com

peso inicial = 1

.........................98

Figura 4.1 Tela inicial do aplicativo.................................................................101

Figura 4.2 Menu de importação ......................................................................102

Figura 4.3 Assistente de importação de dados de parque e consumo............103

Figura 4.4 Tela de informações adicionais sobre a importação......................104

Figura 4.5 Último estágio do assistente de importação dos registros com

dados de parque e consumo..........................................................105

Figura 4.6 Exemplo de arquivo de ensaio com preenchimento de abas.........106

Figura 4.7 Assistente de importação de dados de ensaio...............................107

Figura 4.8 Escolha da base de dados de parque e consumo durante à

importação de dados de ensaio.....................................................108

Figura 4.9 Último estágio da importação de dados de ensaio ........................108

Figura 4.10 Menu de análise de probabilidade de falhas..................................109

Figura 4.11 Interface de análise de probabilidade de falhas.............................110

Figura 4.12 Abas da seção de filtros da interface de análise de probabilidade

de falhas ........................................................................................111

Figura 4.13 Histograma da interface de análise de probabilidade de falhas.....112

Figura 4.14 Mapa de distribuição da probabilidade de falhas em cada escala

por localidade.................................................................................112

Figura 4.15 Tabela resumida para análise da probabilidade de falhas.............113

Figura 4.16 Tabela detalhada para análise da probabilidade de falhas............113

Figura 4.17 Cabeçalho de um relatório resumido .............................................114

Figura 4.18 Assistente de geração de modelo de probabilidade de falhas.......115

Figura 4.19 Visualização do ajuste das probabilidades de falhas para os

novos dados de ensaio..................................................................116

Figura 4.20 Menu de configurações..................................................................117

Figura 4.21 Interface de configuração da imagem do parque e modelo de

probabilidade de falhas selecionados............................................118

Figura 4.22 Menu do sistema especialista para amostragens..........................119

Figura 4.23 Interface de amostragem de equipamentos...................................120

Figura 4.24 Exemplo de simulação da acertividade esperada..........................121

Figura 4.25 Interface de gerenciamento de amostragens.................................121

Figura 4.26 Exemplo de relatório de amostragem de medidores......................122

LISTA DE TABELAS

Tabela 1.1 Distribuição de medidores de energia elétrica de acordo com tipo

e região geográfica ..........................................................................20

Tabela 1.2 Elementos do medidor monofásico..................................................21

Tabela 1.3 Funcionalidades disponíveis nos medidores eletrônicos. ................23

Tabela 1.4 Distribuição de medidores de acordo com a faixa de idade.............26

Tabela 2.1 Descrição das variáveis da tabela

DADOS

..........................................44

Tabela 2.2 Descrição das variáveis da tabela

CLIMATICOS

.................................45

Tabela 2.3 Sequências de escape do MySQL...................................................51

Tabela 2.4 Consumo de unidades consumidoras monofásicas.........................53

Tabela 2.5 Quantidade de registros para cada subtipo no depósito de dados

e tabela

UC_MEDIDOR

.........................................................................53

Tabela 2.6 Segmento de um depósito de dados ...............................................57

Tabela 2.7 Segmento de um depósito de dados após flattening .......................57

Tabela 2.8 Lista de variáveis categóricas utilizadas para MD ...........................58

Tabela 2.9 Exemplo de técnicas de mineração de dados e tarefas em que

podem ser utilizadas........................................................................64

Tabela 2.10 Variáveis selecionadas pelo algoritmo forward stepwise.................70

Tabela 2.11 Variáveis selecionadas pelo algoritmo backward stepwise..............71

Tabela 2.12 Dados sobre tempo para se jogar tênis ...........................................74

Tabela 2.13 Ganho de informação da variável de saída utilizando uma

variável de entrada......................................................................77

Tabela 2.14 Taxa de ganho para as variáveis do problema sobre jogo de

tênis .................................................................................................78

Tabela 2.15 Matriz de confusão para a árvore de decisão ..................................80

Tabela 2.16 Matriz de confusão para a árvore de decisão após poda.................81

Tabela 3.1 Classificação da probabilidade de falha para a variável

subtipo_equip

..................................................................................87

Tabela 3.2 Classificação da probabilidade de falha para a variável

instalacoes

.....................................................................................88

Tabela 3.3 Classificação da probabilidade de falha para a variável

media

........88

Tabela 3.4 Classificação da probabilidade de falha para a variável

maximo

.......88

Tabela 3.5 Classificação da probabilidade de falha para a variável

dias_de_vida

...................................................................................88

Tabela 3.6 Classificação da probabilidade de falha para a variável

cod_tipo_local

................................................................................89

Tabela 3.7 Classificação da probabilidade de falha para a variável

cod_localidade

................................................................................89

Tabela 3.8 Classificação da probabilidade de falha para a variável

cod_classe_principal

.....................................................................93

Tabela 3.9 Classificação da probabilidade de falha para a variável

precipitacao

...................................................................................93

Tabela 3.10 Exemplo de determinação do grupo de risco de um medidor..........93

Tabela 3.11 Modelo final para determinação de probabilidade de falha nos

medidores........................................................................................94

Tabela 4.1 Formatação padrão para geração do arquivo

“uc_medidor.csv”

..102

Tabela 4.2 Formatação padrão para geração do arquivo

“med_cons.csv”

......103

Tabela 4.3 Exemplo de planilha para importação de dados de ensaio............105

Tabela 4.4 Escalas de probabilidade de falhas utilizada no aplicativo.............111

Tabela 5.1 Distribuição de medidores no parque da concessionária de

acordo com o tipo de medidor e número de fases, ano 2005........124

Tabela 5.2 Distribuição de medidores no parque da concessionária de

acordo com o tipo de medidor eletromecânico e número de

fases, ano 2008. ............................................................................125

Tabela 5.3 Grupos de medidores e quantidade de equipamentos para o

estudo de caso...............................................................................126

Tabela A Modelos agrupados utilizados na tabela

RESULTADOS

.....................138

LISTA DE ABREVIATURAS E SIGLAS

a.C. Antes de Cristo

A/D Analógico para digital

ANEEL Agência Nacional de Energia Elétrica

APR All Possible Regression

ARSESP Agência Reguladora de Saneamento e Energia do Estado de São

Paulo

BE Backward Elimination

CART Classification and Regression Tree

CSV Comma-separated Values

Conmetro Conselho Nacional de Metrologia, Normalização e Qualidade

Industrial

CSPE Comissão de Serviços Públicos de Energia

DCBD Descoberta de Conhecimento em Bases de Dados

Embrapa Empresa Brasileira de Pesquisa Agropecuária

FS Forward Stepwise

ID3 Inductive Decision Tree

Inmetro Instituto Nacional de Metrologia, Normalização e Qualidade Industrial

kV Kilovolt

kVAr Kilovolt-ampère reativo

kWh Kilowatt-hora

LEP Laboratório de Eletrônica de Potência

MD Mineração de Dados

MME Ministério de Minas e Energia

MTBF Tempo médio entre falhas

RMSE Root Mean Squared Error

Sinmetro Sistema Nacional de Metrologia, Normalização e Qualidade

Industrial

TB Terabytes

TC Transformador de corrente

TP Transformador de potencial

UC Unidade consumidora

WEKA Waikato Environment for Knowledge Analysis

R(t) confiabilidade

Pr probabilidade do item falhar

λ taxa de falha

X matriz de valores das variáveis de entrada

Y matriz de valores das

variáveis de saída

Ŷ matriz de valores estimados das variáveis de saída

β Coeficientes lineares da regressão

ε resíduo

q valor de entrada para o qual a saída se deseja estimar

σ largura de banda da função kernel

1 INTRODUÇÃO GERAL

A energia elétrica é item fundamental no desenvolvimento socioeconômico de um país

sendo que sua utilização está diretamente ligada à disponibilidade de tecnologias existentes.

O homem sempre foi instigado para obter este conhecimento, sendo que estudos nesta

área se iniciaram na Grécia, no século VI a.C., pelo filósofo Tales de Mileto ao tentar

descrever o fenômeno da eletricidade estática, produzida ao se esfregar bastões de âmbar em

tecidos e observar a atração de pequenas quantidades de palha pelo objeto energizado. No

século XVII, Otto von Guericke estuda os efeitos da eletrificação por atrito. No século XVIII,

Alessandro Volta inventa a bateria. Somente no século XIX o ser humano compreende melhor

as leis que regem a eletricidade: Michael Faraday descobre a indução eletromagnética e James

Clerk Maxwell a formula através de equações matemáticas, conhecidas como as leis de

Maxwell [1 e 2].

A invenção da lâmpada elétrica por Thomas A. Edison, em 1879, marca o início do

uso comercial da energia elétrica. Em 1880, Edison funda a Edison Electric Illuminating

Company of New York (Companhia Edison de Iluminação Elétrica de Nova Iorque)

, criando

a primeira planta de geração elétrica e sistema de distribuição de energia. A figura 1.1

apresenta a lâmpada elétrica de Thomas Edison.

Figura 1.1 – Lâmpada desenvolvida por Thomas Edison. Fonte: [64]

Anos mais tarde, após fusão com a Thomson-Houston Electric Company, torna-se General Electric.

A energia elétrica produzida pela empresa de Edison era em corrente contínua.

Inicialmente, a cobrança era feita pela quantidade de lâmpadas que o cliente tinha conectado

ao sistema [3]. Na tentativa de realizar uma melhor cobrança/faturamento, Edison

desenvolveu um medidor de energia elétrica químico: um jarro com placas de zinco imersas

em uma solução da mesma substância. As placas eram conectadas em série no terminal de

entrada da Unidade Consumidora (UC). A corrente fluindo pelo jarro faz com que a

concentração de zinco em uma das placas diminua enquanto a concentração na outra placa

aumenta. Todo mês as placas eram pesadas e o pagamento era realizado de acordo com o

aumento de peso da placa positiva. A figura 1.2 apresenta o medidor desenvolvido por

Edison.

Figura 1.2 – Medidor químico de energia elétrica desenvolvido por Thomas Edison. Fonte: [3 e 4]

Em 1886 a Westinghouse Company compra as patentes de um gerador de energia

alternada e de um transformador de potência desenvolvidos por Nikola Tesla, marcando o

início da comercialização de energia elétrica na forma de corrente alternada. A partir daí se

inicia uma disputa entre Westinghouse e Edison sobre a melhor forma de distribuição de

energia elétrica. A rivalidade entre os dois marcou o período com o título “A Batalha das

Correntes”. Os acionistas observaram maior rentabilidade no sistema da Westinghouse que,

apesar de ser considerado mais letal, segundo Thomas Edison, do que o sistema em corrente

contínua, não possuía a limitação de transmissão a apenas algumas quadras e permitia a

utilização de condutores de menores bitolas, beneficiando-se da capacidade de elevação de

tensão por meio de transformadores, diminuindo-se perdas, custos e aumentando o lucro.

Em 1888, Oliver Blackburn Shallenberger desenvolve um medidor de energia para

corrente alternada, o que passou a ser adotado como padrão na indústria [5]. O medidor de

Shallenberger baseia-se num medidor de ampère-hora: o inventor foi responsável por

desenvolver uma estratégia de tornar o fluxo do circuito de corrente do medidor em

quadratura com a tensão, possibilitando a medição de energia em corrente alternada. A figura

1.3 apresenta o medidor de Shallenberger.

Figura 1.3 – Medidor de indução de Shallenberger. Fonte: [65]

Desenvolvimentos posteriores, elaborados por outros pesquisadores, resultaram em

simplificações de projeto, melhoria das características de operação e, consequentemente,

melhor desempenho [6]. Entretanto, o princípio de funcionamento manteve-se inalterado até o

início da década de 1990 quando os medidores eletrônicos de energia elétrica começaram a

ser comercializados.

1.1 Medidores eletromecânicos

Os medidores de energia elétrica eletromecânicos são os equipamentos em maior

utilização no parque metrológico brasileiro atualmente (dados 2009) [7]. O parque de medição

nacional, neste período, era constituído de 92,61% de medidores eletromecânicos. A tabela

1.1 apresenta a distribuição de todos medidores (eletromecânicos e eletrônicos), por regiões.

Tabela 1.1 – Distribuição de medidores de energia elétrica de acordo com tipo e região geográfica.

Tipo de Medidor

Região Geográfica

Eletromecânico

Eletrônico

Norte 79,09% 20,91%

Nordeste 88,27% 11,73%

Centro-Oeste 96,11% 3,89%

Sudeste 94,60% 5,40%

Sul 97,38% 2,62%

BRASIL 92,61% 7,39%

Nas regiões onde a implantação do sistema de energia elétrica é mais recente (Norte e

Nordeste) a quantidade de medidores eletrônicos aumenta. Observa-se claramente a

preferência pela instalação de medidores eletrônicos em novos clientes. O parque metrológico

das áreas norte e nordeste tem expandido em função de programas de incentivo

governamental (e.g., Programa Luz Para Todos) [7].

O medidor eletromecânico tipo indução é constituído de diversas partes, incluindo:

base, terminais, bloco de terminais, mostrador, cilindro ciclométrico, núcleo, bobina de

corrente, bobina de tensão/potencial, elemento motor, dispositivos de calibração, elemento

frenador, tampa do medidor, elemento móvel, catraca, dispositivos de compensação,

estrutura/armação e mancais. Portanto, os medidores de energia elétrica, tipo indução, são

dispositivos eletromecânicos com partes móveis que se degradam de forma progressiva com o

tempo. Um diagrama esquemático para um medidor eletromecânico monofásico é apresentado

na figura 1.4 e tabela 1.2.

Figura 1.4 – Vista explodida do medidor monofásico. Fonte: [8]

Tabela 1.2 – Elementos do medidor monofásico.

1 Tampa do medidor 11 Terminal ligação de neutro 19 Gancho de prova

Gaxeta da tampa do

Medidor

20 Suporte prova interna

3 Placa de identificação

Parafuso fixação do terminal de

potencial-ligação de neutro

4 Tampa do bloco terminais 13 Base e bloco do medidor

Parafuso fixação do

registrador

5 Elemento Móvel 22 Arruela pressão

6 Mancal inferior (magnético)

Parafuso fixação do elemento

armadura

23 Arruela lisa

Parafuso fixação do mancal

inferior

15 Elemento motor 24 Imã frenador

Parafuso fixação do

elemento motor

16 Mancal superior (pino guia) 25 Arruela pressão

9 Armadura 17

Parafuso fixação superior do

terminal de prova

Parafuso fixação do

conjunto imã

27 Registrador

Parafuso terminal de

corrente

Parafuso fixação do gancho de

prova

28 Suporte da indutiva

Os medidores de indução podem ser classificados segundo as seguintes características

[9]:

• Tipo de energia a ser medida:

o Medidor de energia ativa (kWh);

o Medidor de energia reativa (kVAr);

• Número de elementos motores/número de fios:

o Monofásico: um elemento motor;

o Polifásicos: dois ou três elementos motores;

• Tipo de ligação à rede

o Medidores diretos: ligados diretamente à rede e à carga;

o Medidores indiretos: conectados através de transformadores de

potencial (TP) e/ou transformadores de corrente (TC);

• Classe de exatidão (utilizada comercialmente no Brasil):

o Classe 1: medidores que, novos, não apresentam mais de 1% de erro de

medição;

o Classe 2: medidores que, novos, não apresentam mais de 2% de erro de

medição.

1.2 Medidores eletrônicos

Os medidores eletrônicos realizam a leitura das variáveis através de amostragem em

pequenos intervalos de tempo utilizando conversores analógico para digital (A/D). A classe de

exatidão do equipamento é determinada pela quantidade de bits nos conversores A/D e

precisão de processamento, possibilitando a estes serem mais precisos do que os medidores

eletromecânicos.

Os medidores eletrônicos podem realizar simultaneamente várias tarefas em um

mesmo equipamento. Pode-se medir energia ativa e reativa, demanda máxima, fator de

potência, tensão e corrente, além do uso de memória de massa para registro do consumo com

informação de data e hora e sistema antifraude [10]. Um único equipamento eletromecânico é

incapaz de realizar, isoladamente, as tarefas mencionadas.

O uso de medidores eletrônicos permite adentrar em uma nova área tecnológica,

incluindo leitura através de telemetria. Para realizar as leituras dos equipamentos é utilizado

um protocolo de comunicação entre o medidor e um equipamento utilizado por um leiturista

para armazenamento dos registros de leitura, ou através de protocolos de comunicação de rede

enviando os dados diretamente para um banco de dados da concessionária.

A implementação da medição eletrônica tem ocorrido de forma gradativa no Brasil

devido, principalmente, ao alto custo do equipamento. As primeiras unidades consumidoras a

receber medição eletrônica foram do grupo A.

O sistema tarifário brasileiro é estruturado em dois grandes grupos de consumidores,

grupo A e grupo B. A Agência Nacional de Energia Elétrica (ANEEL) define, por meio da

resolução 456 de 2000, que o grupo A é composto por unidades consumidoras atendidos em

alta superior ou igual a 2,3 kV, ou ainda unidades consumidoras atendidas com tensão inferior

a 2,3 kV a partir de sistema subterrâneo de distribuição, caracterizado por estrutura de

tarifação binômia e subdividido nos seguintes subgrupos:

• A1: nível de tensão de 230 kV ou superior;

• A2: nível de tensão de 88 a 138 kV;

• A3: nível de tensão de 69 kV;

• A3a: nível de tensão de 30 a 44 kV;

• A4: nível de tensão de 2,3 a 25 kV;

• AS: sistemas subterrâneos.

As principais funcionalidades disponíveis nos medidores eletrônicos são apresentadas

na tabela 1.3.

Tabela 1.3 – Funcionalidades disponíveis nos medidores eletrônicos. Fonte: [11]

Funcionalidades

Classe de exatidão

Sensibilidade a pequenas cargas (baixa corrente de partida)

Perdas técnicas (aprox. 0,5W)

Características

inerentes

Auto Diagnóstico

Energia Ativa (kWh)

Energia Reativa (kVAr)

Energia nos 4 quadrantes

Faturamento

Demanda Máxima (kW)

Tarifa Binomial

Tarifa horária

Tarifação

Pré-pagamento

Apuração da duração das interrupções

Qualidade do

serviço

Apuração da quantidade (frequência de ocorrência)

Registro do valor de tensão

Registro do valor da frequência

Qualidade do

produto

Qualidade de Energia

Mecânica (abertura de tampa)

Detecção eletrônica (abertura de tampa)

Antifraude

Software (energia reversa)

Unidades consumidoras nesta categoria devem ter aferidos os valores de demanda de

potência ativa, energia ativa, fator de potência, e consumo de energia elétrica e demanda

reativas quando o fator de potência for inferior a 0,92, além de possuir tarifa horo-sazonal.

Estas características e o consumo elevado, típico deste tipo de UCs, tornam esses clientes

favoráveis para utilização dos medidores eletrônicos.

O grupo B é composto por unidades consumidoras com tensão de fornecimento

inferior a 2,3 kV, caracterizado pela estruturação tarifária monômia e subdividido nos

seguintes subgrupos:

• B1: residencial e residencial de baixa renda;

• B2: rural, abrangendo diversas classes (e.g, agropecuária, indústria rural,

serviço público de irrigação);

• B3: demais classes;

• B4: iluminação pública;

As unidades consumidoras nesta categoria devem ter aferidos os valores de consumo

de energia elétrica ativa, e, quando aplicável, o consumo de energia elétrica reativa excedente.

A medição do fator de potência é facultativa mas, sem esta, não se pode aplicar o consumo de

energia elétrica reativa.

As empresas ainda possuem incertezas quanto à utilização dos medidores eletrônicos,

especialmente para cliente de baixa tensão (grupo B). Entre as principais dúvidas estão a

vantagem de implementação atual, uma vez que os medidores eletrônicos instalados em UCs

do grupo B realizam as mesmas tarefas dos medidores eletromecânicos. A falta de

informações sobre a vida útil, atualmente estimada em 15 anos, e a insegurança do

comportamento em condições climáticas adversas também são motivos para uma implantação

lenta.

Em 30 de Abril de 2009, a Agência Nacional de Energia Elétrica (ANEEL) realizou

uma consulta pública para “estimular a discussão sobre a implantação de medição eletrônica

em UCs de baixa tensão (classe B) e os aspectos relacionados a este tipo de iniciativa, tais

como abordagem regulatória, impacto tarifário, funcionalidades agregadas e planos de

implantação” [12].

A ANEEL tem apresentado às concessionárias de energia estudos de casos de uso de

medidores eletrônicos em outros países, como Itália e Suécia, por exemplo, para ampliar a

reflexão a respeito das novas tecnologias aplicadas à medição de energia elétrica [13].

1.3 Erros de medição

O medidor de energia eletromecânico, por ser um equipamento constituído por partes

eletromecânicas, pode ter seu funcionamento e precisão influenciados pelas seguintes

características externas [9 e 14]:

• Variações de temperatura ambiente: segundo [9], um aumento de temperatura

de 10ºC pode ocasionar uma redução de 4% de torque motor e redução de 5%

de torque frenante;

• Variações da tensão da rede: sobretensões fazem com que o medidor indique

um valor de consumo menor do que o real, já subtensões acarretam em

medição superior ao valor real;

• Variações da frequência da rede: as pequenas variações de frequência não

afetam o funcionamento do medidor, mas para frequência maior que a nominal

a rotação do elemento motor tende a diminuir e para frequência menor que a

nominal a rotação do elemento motor tende a aumentar;

• Campos magnéticos externos: o princípio de funcionamento dos medidores

eletromecânicos é a indução eletromagnética. Campos magnéticos externos

intensos, que possuam capacidade de induzir corrente no elemento girante,

podem modificar o valor do torque no elemento girante, provocando erros de

medição;

• Distorções harmônicas: os medidores baseados no princípio de indução

eletromagnética apresentam erros de medição perante distorções harmônicas,

podendo estes chegar a valores superiores a 10%.

De acordo com [14], dois itens que podem gerar erros de medição no decorrer dos

anos são as engrenagens e o freio magnético. Sob fricção excessiva o elemento móvel tende a

girar de maneira mais lenta registrando medição inferior ao valor real. Caso o freio magnético

diminua sua intensidade, o medidor tenderá a permanecer girando após diminuição de carga.

De acordo com [15] e [16] os medidores de indução foram designados para medir

tensões e correntes senoidais. Submetidos à tensão e/ou corrente não-senoidal, ou seja, que

apresentam harmônicos, os medidores de indução apresentam erros devido à característica de

torque frente a diversas frequências que constituem a energia. Os estudos realizados em [17],

[18], [19] e [20] comprovam a afirmação. No estudo realizado em [17] constatou-se que os

erros provocados por harmônicas podem chegar a 10%, em condições usuais das redes de

distribuição com carregamento não-linear. Os ensaios em laboratório realizados por [20]

confirmam os efeitos dessas distorções em medidores eletromecânicos e eletrônicos com base

em análises de distorções obtidas em campo. Dentre os resultados obtidos constatou-se que

taxas de distorções harmônicas de tensão de até 5% apresentam influência muito pequena nos

erros dos medidores enquanto que as taxas de distorção harmônicas de corrente e os valores

de deslocamento instantâneos de tensão e corrente exercem grande influência nos erros de

medição.

O tempo em que o medidor está instalado no parque de medição também é um fator

que leva aos erros de medição. Os medidores eletromecânicos possuem uma vida útil

econômica estimada em 25 anos [9]. A tabela 1.4 apresenta a constituição do parque

metrológico brasileiro de acordo com o tempo de vida dos medidores.

Tabela 1.4 - Distribuição de medidores de acordo com a faixa de idade. Fonte: [7]

Faixa de idade

Frequência

Estoque 3,12%

0 a 5 anos 29,86%

6 a 10 anos 21,05%

11 a 15 anos 12,98%

16 a 20 anos 8,31%

21 a 25 anos 7,82%

+ de 25 anos 16,86%

1.4 Legislação sobre erros de medição

Os medidores de energia elétrica possuem leis de aprovação de modelos desde 1966.

Em 2006 foi definida uma lei de verificação inicial dos equipamentos, isto é, que

verifica se os erros de medição estão dentro dos limites definidos para a classe de exatidão.

Em 2008 surgiram normas para verificação após reparo e o regulamento de ensaio. Em 2009

foi determinada a verificação periódica dos medidores de energia elétrica instalados nas áreas

de concessão das distribuidoras de energia elétrica.

A seguir serão apresentados os principais órgãos relacionados com as normas e leis

sobre medidores de energia elétrica no Brasil.

1.4.1 Agência Nacional de Energia Elétrica (ANEEL)

Definição: a “Agência Nacional de Energia Elétrica (ANEEL), autarquia em regime

especial, vinculada ao Ministério de Minas e Energia (MME), foi criada pela Lei 9.427 de 26

de Dezembro de 1996. Tem como atribuições: regular e fiscalizar a geração, a transmissão, a

distribuição e a comercialização da energia elétrica, atendendo reclamações de agentes e

consumidores com equilíbrio entre as partes e em beneficio da sociedade; mediar os conflitos

de interesses entre os agentes do setor elétrico e entre estes e os consumidores; conceder,

permitir e autorizar instalações e serviços de energia; garantir tarifas justas; zelar pela

qualidade do serviço; exigir investimentos; estimular a competição entre os operadores e

assegurar a universalização dos serviços.” [21]

Através da resolução 456 de 29 de Novembro de 2000 a ANEEL define as condições

gerais de fornecimento de energia elétrica, a serem observadas na prestação e utilização do

serviço público de energia elétrica, tanto pelas concessionárias quanto pelos consumidores.

Nesta resolução estão as definições de grupo A e grupo B, unidades consumidoras, etc. O art.

38 afirma que a verificação periódica dos medidores deverá ser efetuada segundo critérios

estabelecidos na legislação metrológica.

1.4.2 Agência Reguladora de Saneamento e Energia do Estado de

São Paulo (ARSESP)

A Agência Reguladora de Saneamento e Energia do Estado de São Paulo (ARSESP)

tem como objetivo “regular, controlar e fiscalizar, no âmbito do Estado, os serviços de gás

canalizado e, preservadas as competências e prerrogativas municipais, de saneamento básico

de titularidade estadual” [22]. Sua criação ocorreu em 1998 a partir da Comissão de Serviços

Públicos de Energia (CSPE).

Na área de energia elétrica ela atua na fiscalização das 14 concessionárias de

distribuição que atuam no Estado de São Paulo. Entre suas atividades destacam-se a

regulamentação, fiscalização, normalização, monitoramento e definição de indicadores e

parâmetros relativos aos padrões dos serviços e manutenção das instalações elétricas. É

dividida em três gerências:

• Gerência de fiscalização técnica e comercial;

• Gerência de estudos técnicos e apoio à solução de conflitos;

• Gerência de contratos.

A primeira gerência é responsável pelo recebimento de relatórios de desempenho dos

medidores de energia elétrica.

1.4.3 Instituto Nacional de Metrologia, Normalização e Qualidade

Industrial (Inmetro)

O Instituto Nacional de Metrologia, Normalização e Qualidade Industrial (Inmetro) é

“uma autarquia federal, vinculada ao Ministério do Desenvolvimento, Indústria e Comércio

Exterior, que atua como Secretaria Executiva do Conselho Nacional de Metrologia,

Normalização e Qualidade Industrial (Conmetro), colegiado interministerial, que é o órgão

normativo do Sistema Nacional de Metrologia, Normalização e Qualidade Industrial

(Sinmetro).” [23]. Entre as atividades do Inmetro destacam-se:

• Executar as políticas nacionais de metrologia e da qualidade;

• Verificar a observância das normas técnicas e legais, no que se refere às

unidades de medida, métodos de medição, medidas materializadas,

instrumentos de medição e produtos pré-medidos;

• Fomentar a utilização da técnica de gestão da qualidade nas empresas

brasileiras;

• Planejar e executar as atividades de acreditação de laboratórios de calibração e

de ensaios, de provedores de ensaios de proficiência, de organismos de

certificação, de inspeção, de treinamento e de outros, necessários ao

desenvolvimento da infra-estrutura de serviços tecnológicos no País;

• Desenvolvimento, no âmbito do Sinmetro, de programas de avaliação da

conformidade, nas áreas de produtos, processos, serviços e pessoal,

compulsórios ou voluntários, que envolvem a aprovação de regulamentos.

Através da Resolução 11 de 12 de outubro de 1988, do Conmetro, e Portaria 83 de 1

de junho de 1990, fica entendido que os medidores de energia elétrica utilizados para

faturamento em UCs devem: corresponder aos modelos aprovados pelo Inmetro, ser

aprovados em verificação inicial, nas condições fixadas pelo Instituto, e serem verificados

periodicamente.

A Portaria 285 de 11 de agosto de 2008 estabelece as condições mínimas a serem

observadas na fabricação, instalação e utilização de medidores de energia elétrica ativa,

inclusive recondicionados, baseados no princípio de indução, monofásicos ou polifásicos.

Nesta, os erros percentuais para medidores novos, ou recondicionados, classe de exatidão 2

são de ±2%.

Para medidores em utilização no parque de medição os erros admissíveis para

equipamentos classe de exatidão 2 são de ±4%. De acordo com as normas da concessionária

admitida para este estudo, cujo todos medidores eletromecânicos para medição em UCs são

classe 2, o erro máximo admissível é ±3% e este será o valor limite a ser utilizado neste

trabalho.

1.5 Motivação

Os medidores de energia elétrica com funcionamento eletromecânico possuem uma

vida útil econômica estimada em 25 anos. Por vida útil econômica se entende o período de

tempo em que ocorre a depreciação do equipamento ou, em termos mais práticos, o período

de tempo em que é economicamente viável realizar manutenção no equipamento [9].

Os erros de medição são difíceis de serem detectados, uma vez que geralmente não

impedem o fornecimento de energia, apresentando apenas alteração sobre o registro da

quantidade de energia elétrica consumida. A modificação da quantidade de energia elétrica

aferida dificilmente é atribuída a erros de medição sendo usualmente considerada alteração no

padrão de consumo: novos equipamentos instalados, feriados, época do ano, etc.

Os erros de medição podem ser considerados de dois tipos:

• Positivos: quando o valor real é maior que o valor aferido;

• Negativos: quando o valor real é menor que o valor aferido.

A necessidade de se localizar medidores com erros de medição pode ser vista de dois

pontos distintos. Pelo lado do consumidor de energia elétrica, medidores com erros negativos

apresentam cobrança indevida de consumo, tendo o consumidor que pagar por uma

quantidade de energia que ele não utilizou. Pelo lado da concessionária de energia, medidores

com erros positivos apresentam redução de lucro ao faturar uma quantidade menor de energia

do que o fornecido. Pela legislação, a manutenção dos medidores de energia elétrica é de

responsabilidade das concessionárias.

Dada a dificuldade de se determinar quando o equipamento apresenta erros de

medição superiores ao limite estipulado pela legislação específica e a necessidade de se

localizar tais equipamentos, torna-se necessária uma metodologia de predição de falha de

medição para os medidores de energia elétrica. Definindo-se falha como qualquer avaria que

o leve ao defeito operacional e ou ao erro de medição maior do que aquele estabelecido pela

legislação em vigor, em função de sua classe de exatidão.

Antes de apresentar a proposta deste trabalho, é necessário apresentar o conceito em

que ele está baseado. A seguir serão apresentadas as metodologias existentes para

determinação de falhas em equipamentos. A falha é uma interrupção permanente da

habilidade do sistema de executar uma função requerida sob uma especificada condição de

operação [24].

Portanto, no contexto dos medidores de energia elétrica, apresentado neste trabalho,

falha fica entendida como a falta de capacidade dos medidores de realizar a aferição dos

valores de consumo das UCs dentro dos limites estipulados pela legislação vigente.

1.6 Determinação de falha de equipamentos

A confiabilidade expressa a quantidade de equipamentos que não falham durante um

determinado período. O estudo da confiabilidade é utilizado para definir planos de

manutenção preventiva/corretiva de equipamentos, melhoria da qualidade e determinação de

prazo de garantia. Exemplo de utilização do estudo da confiabilidade em sistemas de

segurança crítica são os reatores nucleares e aviões [24]. Seu estudo influi diretamente sobre o

tempo em que um equipamento irá funcionar sem falhar.

Existem diversas definições para confiabilidade. Apresentaremos neste trabalho a

definição dada pelo US Military Handbook [25]: “A probabilidade que um item irá executar

sua função sobre determinadas condições e durante um determinado período de tempo”. A

confiabilidade geralmente é utilizada como uma função temporal R(t):

)Pr()( tTtR

(1.1)

Onde Pr é a probabilidade do item falhar em um tempo aleatório T maior do que o

tempo em análise t.

A figura 1.5 apresenta a curva da função de confiabilidade para uma distribuição

normal.

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

0 2 4 6 8 10 12 14 16 18 20

tempo

confiabilidade

Figura 1.5 – Gráfico de confiabilidade para distribuição normal.

A palavra confiabilidade provém do inglês “reliability” que foi utilizada pela primeira

vez em estudos militares na década de 50 [25].

No caso de medidores de energia elétrica, a confiabilidade é a função que define a

probabilidade do medidor medir valores com erros inferiores aos máximos determinados por

legislação específica durante um determinado período de tempo.

Outra variável relacionada com o estudo da confiabilidade é a taxa de falha. A taxa de

falha é definida como “o número total de falhas (percentual) em uma amostra, dividido pelo

tempo de análise, durante um intervalo de medição específico sob condições definidas” [26].

Desta forma, a taxa de falha, representada pela letra grega λ, é representada pela

equação:

amostra

falhas

∆⋅

=)(

(1.2)

A taxa de falha pode ser expressa em função da confiabilidade como mostra a equação

1.3.

)(

)()(

)(

tRt

ttRtR

⋅∆

∆

−

(1.3)

Onde

∆

t é o intervalo de tempo em que se deseja analisar a taxa de falha.

Fazendo o intervalo de tempo muito pequeno, tem-se:

)(

)()(

lim)(

tRt

ttRtR

⋅∆

∆

−

→∆

(1.4)

)(

1)(

)(

)()(

lim)(

tRdt

tdR

tRt

tRttR

⋅−=

⋅∆

−

∆

−=

→∆

(1.5)

A curva de taxa de falha representa a probabilidade de o componente falhar no tempo

t. Na figura 1.6 está representada a curva da taxa de falha conhecida como “curva da

banheira”. Ela representa grande parte de equipamentos e é dividida em três partes:

• Mortalidade infantil: a taxa de falha é elevada no início da vida e decai para

um valor pequeno. Esta característica se deve a equipamentos com defeito de

fabricação;

• Vida normal: a taxa de falha é constante e pequena neste período. As causas

das falhas são aleatórias;

• Envelhecimento: a taxa de falha cresce até que todos os equipamentos falhem.

O motivo para este crescimento é o envelhecimento dos componentes.

Outro termo importante no estudo da confiabilidade é o tempo médio entre falhas, do

inglês “mean time between failure” (MTBF), que é o inverso da taxa de falha. O MTBF

informa o tempo existente entre a ocorrência de duas falhas, informação útil para se

determinar os prazos para planos de manutenção de equipamentos. Para taxa de falha

constante, o MTBF é dado pela equação 1.6.

=MTBF (1.6)

Taxa de falha

Figura 1.6 – Curva de taxa de falha típica (curva “da banheira”).

Os estudos de confiabilidade são utilizados em alguns campos de mercado, que

representam alto risco ou perdas elevadas devido a falhas, tais como: usinas nucleares,

aeronáutica, setor petrolífero, setores da indústria química, setor automotivo [27].

1.7 Estado da arte

Na referência [28] é apresentado um modelo de predição para falência de empresas,

utilizando taxa de falha. Neste contexto, falha representa a saída do grupo de empresas

consideradas saudáveis.

Em [29] são comentadas aplicações de inteligência artificial para análise de falha de

aviões, sistema especialista para auxílio na tomada de decisão da manutenção programada de

gerador da Taiwan Power Company, diagnóstico de transformadores de potência utilizando

redes neurais, sistema especialista para manutenção preditiva de motores diesel.

Estudos de confiabilidade de compressores utilizados em sistema de refrigeração são

apresentados em [25].

Em [30] foi desenvolvido um algoritmo para agendamento de manutenções utilizando

a confiabilidade como uma das variáveis.

Em [31] foi realizada a análise da taxa de falha para cubículos classe 15 kV. O autor

revela que o estudo da confiabilidade em sua conotação clássica é inválido quando utilizado

em espaços amostrais e períodos de observação diferentes, não permitindo a utilização dos

métodos de distribuição estatísticos clássicos como Weibull, Log-normal e Poasson.

Em [32] foi apresentada uma metodologia para automação do processo de aferição de

medidores visando aumentar a eficiência dos planos de inspeção. No trabalho, o autor utilizou

um banco de dados com informações dos medidores cadastrados no parque de medição de

uma empresa. Os medidores foram agrupados em “famílias”, utilizando como critério de

agrupamento o modelo do medidor. Foi desenvolvido um critério para se determinar se uma

dada família necessita de calibração, através de amostragem: estabelecendo-se que, uma vez

que um equipamento da família apresente falha, todos os equipamentos daquela família com

data de instalação anterior devem ser aferidos. Um sistema computacional foi desenvolvido

para a edição dos dados e apresentação dos resultados.

1.8 Metodologia

A metodologia proposta em [32] fornece um direcionador para elaboração de planos

de amostragem, porém não é fornecida no texto a base científica utilizada para geração das

regras. Ainda assim, o agrupamento utilizando unicamente o modelo do medidor como

variável de agrupamento pode ser uma estratégia pouco eficiente, tendo em vista que os

medidores de energia estão sujeitos às características próprias dos equipamentos, do meio

ambiente e das suas condições gerais de utilização.

Considerando que o medidor eletromecânico utilizado na medição de energia elétrica

ativa é um equipamento que permanecerá, ainda, em uso por bastante tempo (superior a 10

anos) no mercado brasileiro, este trabalho concentrará seu foco somente neste tipo de

medidor.

Neste trabalho uma nova metodologia para determinação de probabilidades de falhas

dos equipamentos é proposta. Utilizando um banco de dados de uma concessionária de

energia, serão identificadas, dentre um leque de variáveis, as que são mais significativas na

determinação de falhas dos equipamentos. Com o uso destas variáveis uma metodologia de

agrupamento de equipamentos em classes de probabilidades de falhas é proposta.

Como resultado, um aplicativo é desenvolvido em plataforma amigável, utilizando a

metodologia proposta e os dados do parque de medição da concessionária para determinar as

probabilidades de falhas dos equipamentos.

Neste contexto, a dissertação foi estruturada em capítulos, sendo que o capítulo um

aqui desenvolvido foi destinado à introdução geral, revisão bibliográfica, motivação e

metodologia para o trabalho.

O capítulo dois trata do problema de escolha das variáveis mais significativas para a

determinação de falhas em medidores de energia, apresentando o banco de dados da

concessionária, o leque de variáveis, a metodologia utilizada para a identificação das variáveis

mais significativas na determinação de falhas nos medidores eletromecânicos de energia

elétrica ativa e as variáveis que comporão o modelo de agrupamento.

No capítulo três é construído e apresentado o modelo estatístico de agrupamento dos

equipamentos em classes de probabilidades de falhas.

O capítulo quatro apresenta o aplicativo desenvolvido para a análise das

probabilidades de falhas dos equipamentos e suas funcionalidades.

Um estudo de caso é apresentado no capítulo cinco, sendo que as conclusões finais e

proposta de continuidade da pesquisa são apresentadas no capítulo seis.

2 SELEÇÃO DAS VARIÁVEIS MAIS SIGNIFICATIVAS PARA

DETERMINAÇÃO DE FALHAS EM MEDIDORES

ELETROMECÂNICOS DE ENERGIA ELÉTRICA ATIVA

2.1 Considerações Iniciais

Determinar um modelo matemático para os erros de medição é um problema NP-

difícil [33], i.e., a modelação é impossível ou muito complexa. Como alternativa, deve-se

utilizar técnicas de inteligência artificial, como heurísticas, metaheurísticas, lógica fuzzy ou

outra metodologia.

A Descoberta de Conhecimento em Bases de Dados (DCBD) é uma metodologia que

visa determinar padrões existentes em bases de dados. DCBD é um processo que faz uso de

várias ferramentas estatísticas e de aprendizagem de máquina para obter os resultados. Neste

trabalho, DCBD será utilizada para determinação das variáveis mais significativas na

ocorrência de falhas em medidores eletromecânicos de energia elétrica ativa.

Este capítulo aborda todo o processo de descoberta de conhecimento em bases de

dados, apresentando as ferramentas e objetivos de cada etapa. Inicialmente será apresentada a

imagem do banco de dados fornecido pela concessionária de energia elétrica, objeto de estudo

deste trabalho. Serão apresentadas as variáveis utilizadas na pesquisa e seus significados.

O objetivo deste capítulo é descobrir quais são as variáveis mais significativas, dentre

as utilizadas no processo de DCBD, para determinação dos casos de medidores que

apresentam falhas.

2.2 O banco de dados da concessionária

A empresa disponibilizou uma imagem de seus dados no mês de junho de 2008, os

quais foram reproduzidos no Laboratório de Eletrônica de Potência (LEP) utilizando o banco

de dados MySQL 5.1 Community Server.

O banco de dados recebido constitui-se de várias tabelas que agregam informações

sobre diversas áreas, desde o serviço de atendimento ao consumidor até o consumo mensal

das UCs. As tabelas de interesse para esta pesquisa são:

•

CAD_MATERIAL

: Tabela com informações de cadastro de equipamentos

destinados para medição de energia elétrica: medidores de energia elétrica,

transformadores de corrente, registradores. A tabela contém informações

detalhadas dos medidores de energia, como quantidade de elementos motores,

constante de fabricação, tipo de mancal, presença de elo e localização do

equipamento em campo;

•

MED_CONS

: Tabela com informações de consumo mensal de várias unidades

consumidoras no período de seis anos e seis meses (de janeiro de 2002 a junho

de 2008);

•

UC_MEDIDOR

: Esta tabela contém informações sobre cada instalação e retirada

de medidores de energia elétrica em unidades consumidoras até junho de 2008.

Cada registro (linha) da tabela representa uma instalação de medidor de

energia em uma unidade consumidora. A duração da instalação é indicada

pelas variáveis

data_inst_equip

data_retirada_equip

, caso o

equipamento ainda esteja instalada

data_retirada_equip

assume valor 0

(e.g.,

“0000-00-00”

). A tabela apresenta informações detalhadas sobre as

unidades consumidoras (e.g., nome cliente, endereço, tensão nominal) e sobre

os equipamentos (e.g., ano de fabricação, modelo do equipamento e número de

identificação).

As tabelas descritas acima estão relacionadas por uma, ou mais variáveis, como mostra

a figura 2.1. A variável

cod_localizador

pode apresentar a informação das variáveis

conta

quando uma outra variável, que indica o tipo de local em que o equipamento se encontra,

assumir um valor específico.

UC_MEDIDOR

Num_equip

MED_CONS

Conta

CAD_MATERIAL

Num_equip

Cod_localizador

Figura 2.1 – Relacionamento entre as tabelas da concessionária.

Os dados recebidos da concessionária já compõem um depósito de dados, mas ainda é

necessário eliminar variáveis não necessárias no âmbito do trabalho.

2.3 Descoberta de Conhecimento em Bases de Dados

A automação da tarefa de armazenamento de informações através de computadores

possibilitou ao ser humano armazenar quantidades de dados muito além da capacidade

humana. Estimava-se, em 2005, que a maior base de dados do mundo possuía 222 TB

(terabytes) [34].

A quantidade de dados armazenados tem crescido em dois aspectos: a quantidade de

registros em uma base de dados; a quantidade de variáveis armazenadas nos bancos de dados.

Segundo [35], bancos de dados com 10

registros e/ou 10

variáveis já eram comuns em 1996.

Segundo [36], a quantidade de dados no mundo duplica a cada ano, enquanto a quantidade de

informações nos dados diminui drasticamente.

Infelizmente, não existe uma relação direta entre a quantidade de dados e a quantidade

de informações. Analisar grande quantidade de dados e obter informações de forma manual é

uma tarefa dispendiosa, lenta e altamente subjetiva.

Como consequência da grande quantidade de dados armazenada, e da falta de

informações nos mesmos, surgiu a necessidade de automatizar o processo de análise e

obtenção de informações dos dados. A necessidade de se trabalhar os dados aparece através

da frase em [37]: “Somos ricos em dados, porém, pobres em informação”. Outro exemplo

claro da necessidade de se obter conhecimento dos dados é a frase de John Naisbett [38]:

“Nós estamos afogando em informações, mas famintos por conhecimento”.

A Descoberta de Conhecimento em Bases de Dados é um processo que visa obter

padrões a partir de grandes bancos de dados. Ela integra diversas áreas de conhecimento como

estatística, aprendizagem de máquina, sistemas especialistas, reconhecimento de padrões e

banco de dados para extrair conhecimento de alto nível a partir de dados de baixo nível no

contexto de grandes bases de dados [35]. A figura 2.2 apresenta as áreas que compartilham

conhecimento com DCBD.

Figura 2.2 – Relação de DCBD com outras áreas.

O interesse de DCBD é extrair padrões que possam se tornar conhecimento a partir de

dados. Utiliza um processamento de dados, métodos e ferramentas de mineração de dados e o

resultado pode ser: definição de modelos; predição de comportamentos futuros;

reconhecimento de padrões; determinação de relacionamentos entre variáveis; classificação de

dados em grupos (clustering); etc. Exemplos de áreas de utilização de DCBD são [35]:

publicidade e propaganda, finanças, detecção de fraudes, telecomunicações, indústria. Casos

da utilização de DCBD na ciência são apresentados em [39].

A maior barreira existente no processo de DCBD está na limitação dos dados. São

raras as vezes em que os dados são coletados com o objetivo de mineração de conhecimento.

De um modo geral, as informações existem como subproduto de outras tarefas. Exemplo: no

caso de definição de tendências de compras, onde a venda de um produto está relacionado

com a venda de outro, a existência de registros de venda de ambos os produtos foi

armazenada como informação fiscal, e não para o objetivo de mineração. Caso o objetivo

fosse a mineração de conhecimento poderiam ser armazenados dados com informações mais

valiosas.

O processo de DCBD consiste de diversas etapas sendo a etapa de Mineração de

Dados (Data Mining) uma etapa de destaque no processo [35]. Nesta, informações são

extraídas dos dados. Pelo fato de ser o núcleo do processo de DCBD, Mineração de Dados

(MD) é a etapa que possui maior quantidade de referências na literatura específica. Muitos

autores, como [40], confundem os termos DCBD e MD, utilizando o nome do segundo para

referenciar o primeiro. Consequentemente, ambos os termos estão sendo aceitos, mas

utilizaremos DCBD neste trabalho.

Ressalta-se que apesar de MD possuir a maior quantidade de referências e de ser de

elevada importância, as outras etapas do processo não podem ser desconsideradas. Em

verdade, elas garantem a confiabilidade dos resultados obtidos na etapa de MD. Em torno de

80% do tempo do processo de DCBD está relacionado com a preparação dos dados, enquanto

que os 20% restantes estão relacionados com a MD [36 e 41].

São as demais etapas do processo que diferenciam DCBD das diversas áreas em que

DCBD está envolvida. Enquanto estas áreas estão preocupadas apenas com as técnicas de

obtenção do conhecimento, DCBD se preocupa com todo o processo de pré-processamento e

limpeza dos dados, garantindo melhores resultados. Pode-se dizer que DCBD é um processo

que se preocupa desde o modo como os dados são armazenados até como o conhecimento é

obtido e validado. As demais áreas apresentadas na figura 2.1 estão incluídas no processo de

descoberta de conhecimento.

Na década de 60, a aplicação de técnicas de MD sem o devido tratamento dos dados

foi chamada, de forma pejorativa de data fishing ou data dredging, uma vez que os padrões

obtidos podem não apresentar significado verdadeiro.

A partir de 1990, o nome Mineração de Dados foi utilizado no ramo comercial para

designar DCBD. O termo Descoberta de Conhecimento em Bases de Dados foi apresentado

pela primeira vez em 1989, utilizado pela comunidade de aprendizagem de máquina e

inteligência artificial.

Outros nomes utilizados são: Data Archaeology, Information Harvesting, Information

Discovery, Knowledge Extraction.

As etapas do processo de DCBD e sua ordem são: seleção, pré-processamento e

limpeza, transformação, mineração de dados e pós-processamento. A figura 2.3 apresenta um

diagrama do processo de DCBD.

Figura 2.3 – Processo de DCBD. Fonte: [35]

O processo de DCBD é interativo e iterativo. Interativo porque é possível interagir nas

etapas do processo; iterativo porque o processo pode ocorrer mais de uma única vez para um

mesmo conjunto de dados, permitindo o retorno para uma etapa anterior do processo. Por

exemplo: durante a transformação dos dados pode-se ter notado que uma variável contém

dados redundantes, sendo necessário retornar a etapa de pré-processamento.

Em [35], DCBD é definido como: “o processo não-trivial, interativo e iterativo, para

identificação de novos padrões, válidos, potencialmente úteis e altamente compreensíveis”.

2.4 Seleção

Os dados geralmente estão em bancos de dados que agregam informações de diversas

áreas de conhecimento e estão sujeitos a alterações.

Na etapa de seleção os dados são armazenados em um Depósito de Dados (Data

Warehouse), local em que os dados se encontram de forma consolidada, disponíveis para

análise.

A seleção de variáveis ocorre de maneira empírica sendo recomendado que um

especialista atue no processo uma vez que a remoção de dados acarreta em perda de

informação. É necessário eliminar somente variáveis desnecessárias, isto é, variáveis não-

relacionadas com o conhecimento que se pretende atingir. Eliminação de dados resulta em

eliminação de conhecimento.

A utilização de muitas variáveis para a mineração eleva o tempo computacional e a

utilização de variáveis desnecessárias pode tornar o conhecimento obtido confuso ou levar a

aprendizagem de ruído.

O resultado da etapa de seleção pode ser um banco de dados, a junção de bases de

dados distintas ou um subconjunto de um banco de dados.

No banco de dados da concessionária a análise da tabela

CAD_MATERIAL

demonstra

que ela se destina a descrever os medidores de energia elétrica pertencentes ao ativo da

concessionária. A tabela apresenta dados construtivos dos equipamentos e a localização

(referente a junho de 2008) dos mesmos. Apesar das características construtivas dos

equipamentos serem relevantes para determinação de falhas nos mesmos a tabela foi

desconsiderada no estudo, uma vez que a variável

subtipo equip

, existente tanto na tabela

CAD_MATERIAL

quanto

UC_MEDIDOR

, agrega as características construtivas do equipamento. A

idéia é formular a solução do problema de maneira simplificada, de modo a possibilitar a

construção de um sistema especialista.

A tabela

UC_MEDIDOR

contém várias informações das instalações dos medidores nas

UCs, dados sobre as UCs e dados sobre os medidores. As variáveis selecionadas desta tabela

para o processo de DCBD são organizadas em três grupos:

• Dados referentes ao medidor de energia elétrica:

subtipo_equip

: modelo do equipamento.

ano_fabric

: ano de fabricação do equipamento.

cod_tipo_fase

: quantidade de fases que o medidor é conectado (e.g.

“1”

= monofásico).

contabil

• Dados referentes à UC:

cod_tipo_local

cod_localidade

: município.

cod_classe_principal

: classes para ação tarifária. O valor de cada

classe é definido em pela resolução ANEEL nº 456 de 29 de novembro

de 2000.

cod_classe_consumo

: subclasses para ação tarifária.

grupo_tensao_fornecimento

: tensão no ponto de entrada da UC.

• Dados referentes ao tempo de existência do medidor:

data_inst_equip

: data em que o equipamento foi instalado na UC.

data_retirada_equip

: data em que o equipamento foi retirado da UC.

Valor

“0”

representa que o medidor não foi retirado.

Os dados contidos na tabela

UC_MEDIDOR

são referentes às instalações de todos os

medidores do ativo da concessionária. Para que os dados representem somente os medidores

eletromecânicos de energia ativa, instalados em unidades consumidoras, foi necessário

realizar um processo de filtragem.

As informações para a filtragem são obtidas das variáveis

contabil

cod_tipo_espec

tipo_equip

. O valor da variável

cod_tipo_espec

igual a

“CON”

indica que o equipamento

é utilizado para medição de energia elétrica nas unidades consumidoras. A utilização desta

variável é importante dada a existência de medidores que são utilizados para outros fins. Um

exemplo é o medidor de fronteira, utilizado para medir a energia transmitida por um pedaço

do sistema de transmissão ou distribuição (fronteira). A quantidade de medidores de fronteira

é baixa, sendo possível desenvolver planos de inspeções que verifiquem os estados de todos

equipamentos. A variável

tipo_equip

representa o tipo de equipamento, o valor

“MD”

significa que o equipamento é um medidor de energia elétrica. A variável

contabil

é uma

aglutinação de dados de outras variáveis sobre os equipamentos, algumas inexistentes nas

tabelas recebidas. Através da variável é possível obter o número de fases que o equipamento

deve ser conectado (e.g., monofásico), determinar o tipo de medição a que se destina (e.g.,

medição indireta), se o equipamento é eletrônico ou eletromecânico, a tensão de operação e o

tipo de equipamento (e.g., transformador de corrente).

As variáveis selecionadas da tabela

MED_CONS

são o número da unidade consumidora

(necessário para relacionar os dados desta tabela com os dados de

UC_MEDIDOR

), fornecida

pelo campo

conta

, e todos os valores de consumo mensal, em kWh.

Uma vez analisados os dados percebe-se que as tabelas da concessionária não

apresentam o conhecimento necessário para a classificação dos equipamentos, i.e., não existe

no depósito de dados informações sobre o valor do erro de medição dos medidores de energia

elétrica ou variável similar, que informe se o erro de medição do equipamento está dentro dos

limites permitidos pelas leis dos órgãos de regulamentação. A única variável que representa

algo mais próximo disto é

motivo_retirada

que indica o motivo da retirada do equipamento

da UC em análise (registro). Se a retirada do equipamento foi devido a defeito no mesmo,

então

motivo_retirada

apresentará o valor

“RETIRADA DO EQUIPAMENTO COM DEFEITO”

Apesar de a variável apresentar informações sobre medidores defeituosos ela não é válida

para a análise dos dados uma vez que a empresa informou que medidores podem ser retirados

por outros motivos (e.g.,

motivo_retirada

“FALTA DE PAGAMENTO”

), serem inspecionados

e se constatar defeito no equipamento, sem a alteração da variável

motivo_retirada

, isto

gera uma incerteza sobre os medidores definidos como “dentro das conformidades”.

Com o intuito de se obter respostas precisas sobre quais medidores estavam ou não

com erros metrológicos dentro dos limites estabelecidos pelas leis dos órgãos de

regulamentação recorreu-se aos ensaios realizados anualmente para a ARSESP. Foram

utilizados os dados de ensaios dos anos de 2004 a 2008. A figura 2.4 apresenta um exemplo

de uma tabela de ensaio de medidores para a ARSESP.

Figura 2.4 – Exemplo de relatório no padrão ARSESP.

Os dados de ensaios para a ARSESP foram acrescentados ao depósito de dados em

uma nova tabela, denominada

DADOS

, com três campos. A tabela 2.1 apresenta o descritivo de

DADOS

. A tabela

DADOS

contém 11.068 registros.

Tabela 2.1 – Descrição das variáveis da tabela

DADOS

Variável Tipo Descrição

num_equip

Alfanumérica nº de identificação do equipamento

ano

Numérica ano do ensaio

defeito

Booleana

Determina se o equipamento apresentou erros de

medição fora dos limites permitidos por lei

(verdadeiro) ou não (falso).

Dados climáticos

Dados climáticos, como temperatura e precipitação média, são variáveis que

inicialmente parecem influenciar a vida útil dos equipamentos. O conjunto temperatura,

precipitação média e altitude podem influenciar na velocidade do desgaste dos equipamentos,

afetando o erro de medição. Esses desgastes podem ser devido à:

• Salinidade, para localidades em que a altitude seja baixa;

• Umidade, para localidades que apresentem alta precipitação média;

• Dilatações térmicas em localidades com temperatura média elevada.

O banco de dados não apresenta informações sobre essas três variáveis (altitude,

precipitação e temperatura). Para obter tais dados, foi utilizada a base de dados

meteorológicos fornecida pela Empresa Brasileira de Pesquisa Agropecuária (Embrapa),

através do Banco de Dados Climáticos do Brasil

. No sítio são apresentados os dados

históricos de temperatura e precipitação por município, informando o período de análise e a

média dos valores para cada um dos doze meses. Também são apresentadas as coordenadas

geográficas e a altitude do município.

As informações climáticas de algumas localidades não estão disponíveis no sítio. Para

garantir informações de todas as localidades, utilizou-se a metodologia de regressão kernel

nos dados da Embrapa para estimar os valores de temperatura média anual, precipitação

média mensal e altitude para todas as localidades.

http://www.bdclima.cnpm.embrapa.br

As informações foram obtidas por localidade e armazenadas no banco de dados em

uma nova tabela,

CLIMATICOS

. A tabela 2.2 apresenta uma descrição dos campos de

CLIMATICOS

Tabela 2.2 – Descrição das variáveis da tabela

CLIMATICOS

Variável Tipo Descrição

localidade

Numérica Código do município.

temperatura

Numérica Temperatura média.

precipitacao

Numérica Precipitação média mensal.

altitude

Numérica Altitude do município.

2.5 Integração de dados

“Integração de dados é o problema de combinar dados que residem em diferentes

fontes, e prover ao usuário uma visão unificada desses dados” [42].

A integração de dados trata da formulação das consultas (queries) no banco de dados,

garantindo que os dados sejam combinados de modo correto em uma mesma tabela. Para o

caso em estudo, algumas tabelas apresentam informações sobre os equipamentos de forma

indireta e serão modificadas.

Na tabela

UC_MEDIDOR

existe o histórico do medidor, porém a forma de

armazenamento utilizada, através de vários registros, não apresenta facilidade para obtenção

de dados históricos, tornando-os inutilizáveis. A transformação dos dados históricos,

armazenados através de vários registros, em variáveis permite fácil acesso às informações

sobre o histórico do medidor além de diminuir a quantidade de registros existentes.

O dado histórico considerado importante para o problema é o tempo de vida do

medidor no parque, porém tal informação não pode ser obtida com os dados disponíveis.

Como alternativa, calculou-se a quantidade de instalações do medidor de energia e a

quantidade de dias que o medidor permaneceu na última unidade consumidora (a qual o

medidor estava quando retirado para ensaio). Uma instalação é definida como a contagem de

registros com mesmo valor do campo

num_equip

na tabela

UC_MEDIDOR

Para a integração com os dados obtidos dos relatórios para a ARSESP, utilizou-se o

campo

data_retirada_equip

para obter a quantidade de instalações de acordo com os dados

da tabela

DADOS

. Somente foram utilizados para determinação da quantidade de instalações os

registros que possuem o valor do ano de

data_retirada_equip

inferior ou igual ao valor de

ano

DADOS

. A informação do número de instalações do equipamento foi armazenada em

um novo campo, nomeado

instalacoes

O cálculo do tempo de permanência em uma UC é facilmente obtido através da

diferença entre as variáveis

data_inst_equip

data_retirada_equip

da tabela

UC_MEDIDOR

. A restrição é que este cálculo seja realizado somente nos registros em que o

medidor foi retirado para ensaio, isto é realizado cruzando as informações de

UC_MEDIDOR

com a variável

ano

DADOS

Como já mencionado, a tabela

MED_CONS

contém o histórico do consumo mensal das

UCs. Esta informação está relacionada com a UC, estando relacionada indiretamente com o

equipamento. Duas maneiras foram utilizadas para relacionar os dados desta tabela com os

medidores: uma maneira, bem simples, é a determinação do máximo valor de consumo

mensal da UC. A outra maneira é o cálculo do consumo médio mensal. Ambos os métodos

utilizam somente os dados de consumo mensais da UC em que o medidor se encontrava

quando retirado para ensaio ARSESP. Este período de tempo é calculado do mesmo modo

que o tempo de permanência em uma UC. A informação do consumo máximo foi armazenada

em uma variável denominada

maximo

enquanto a informação do consumo médio foi

armazenada em uma variável denominada

media

De acordo com a metodologia os dados devem ser agrupados em uma única tabela. A

tabela

RESULTADOS

foi criada para armazenamento de todas variáveis de interesse. Os dados

da tabela final são preenchidos através de uniões condicionais entre as tabelas. A figura 2.5

apresenta de maneira simplificada como os dados foram agrupados.

Figura 2.5 – Construção da tabela

RESULTADOS

As variáveis que compõem a tabela

RESULTADOS

, e que serão utilizadas no processo de

mineração de dados, são:

• Dados referentes ao medidor de energia elétrica:

subtipo_equip

ano_fabric

cod_tipo_fase

contabil

• Dados referentes à UC:

media:

consumo médio mensal calculado no período em que o

equipamento foi instalado até sua retirada para ensaio.

maximo:

consumo máximo observado no período em que o

equipamento foi instalado até sua retirada para ensaio.

cod_tipo_local

cod_localidade

cod_classe_principal

cod_classe_consumo

grupo_tensao_fornecimento

temperatura

precipitação

altitude

• Dados referentes ao tempo de existência do medidor:

instalacoes:

armazena a quantidade de instalações que o medidor

teve até retirada para ensaio.

dias_de_vida

: tempo (em dias) que o medidor permaneceu na UC

antes de ser retirado para ensaio.

• Dados de indicação de erro acima do permitido:

defeito

2.5.1 Agrupamento de modelos

Os equipamentos no banco de dados recebido possuem uma grande quantidade de

modelos – mais de 200 – o que dificulta a utilização da variável. Em consulta com

especialistas da concessionária verificou-se que existem modelos que possuem mais de um

nome na variável

subtipo_equip

, a criação de nomes fictícios ajuda os profissionais que não

possuem facilidade no uso de banco de dados a encontrarem grupos específicos de

equipamentos. Como exemplo destaca-se os valores

“C1X412010”

“C1X424010”

da variável

subtipo_equip

que representam um mesmo modelo, o

“C1X4”

. Modelos

“C1X412010”

são

utilizados em tensões da classe 127V enquanto os modelos

“C1X424010”

são utilizados em

tensões da classe 220V.

Os modelos que podem ser agrupados e foram utilizados neste trabalho são

apresentados no anexo A.

2.6 Pré-processamento e limpeza dos dados

A validade do conhecimento obtido depende fortemente da qualidade dos dados

utilizados. Dados que apresentam informações discrepantes e campos com valores ausentes

ou incorretos aumentam a possibilidade de aprendizagem de ruído. Um modelo construído a

partir de dados com ruídos “aprende” o ruído, tornando a representação de novos dados

ineficiente. Portanto, é necessário que haja uma etapa de pré-processamento e limpeza dos

dados.

Em [43] cita-se os tipos de erros que um depósito de dados pode apresentar e as

formas de tratamento, neste trabalho destacam-se:

2.6.1 Dados ausentes (

missing values

)

Erros deste tipo são: campos vazios ou variáveis não preenchidas nas bases de dados.

A justificativa pode estar em erros no programa de inserção dos dados, anomalias no sistema

ou erro computacional (bug).

Variáveis sem nenhuma informação (vazias) devem ser removidas do Depósito de

Dados. Valores de campos vazios podem ser estimados ou então todo o registro ser removido.

Métodos para predição dos dados ausentes são apresentados em [44].

No banco de dados

A análise de dados ausentes ocorre através da verificação de variáveis com valor nulo.

Para a tabela

MED_CONS

, campos não preenchidos em um determinado registro representam a

inexistência do histórico da UC no mês. O motivo para a inexistência do histórico pode ser a

inexistência da UC naquele mês (caso para UCs novas) ou o desligamento da UC (à pedido ou

por falta de pagamento). Exemplo para ambos os casos são apresentados na figura 2.6.

Neste caso específico, os dados ausentes não são devido a anomalias nem erros

computacionais, e sim consequência da configuração do banco de dados. Justamente por

causa destas configurações, os registros nulos pertencem a datas fora dos períodos

considerados para consumo, não sendo selecionados para compor os cálculos. Esta

propriedade específica da tabela

MED_CONS

inviabiliza a busca por campos com dados

ausentes (registros nulos em períodos onde existe consumo). Como medida de segurança para

cálculos (que tornam o resultado de uma operação matemática nula quando existe um valor

nulo), valores nulos são convertidos para valor igual a zero.

(a) (b)

Figura 2.6 – Exemplo de dados ausentes na tabela

MED_CONS

. a) Caso de UC inexistente até dado período.

b) Caso de UC desligada.

A variável

ano_fabric

após importação dos dados da concessionária apresentou

11.184 registros nulos. Optou-se por tratar este registro somente após a criação da tabela

RESULTADOS

Analisando a tabela final, apenas um registro nulo foi encontrado. A análise dos dados

originais da empresa apresenta a primeira instalação do equipamento em 1998. Na análise dos

dados originais os demais equipamentos pertencentes ao mesmo modelo agrupado

(

“FYT201”)

também possuem registro vazio para a variável

ano_fabric

e datas de primeira

instalação em uma faixa grande de datas, tornado impossível estimar o valor do registro nulo.

O registro foi descartado. Este era o único registro do modelo

“FYT201”

na tabela

RESULTADOS

2.6.2 Dados incorretos

Dados incorretos são dados presentes em um campo mas que não pertencem ao grupo

de valores daquele campo. Um exemplo claro de dado incorreto é a presença do valor 5 no

campo que indica o número de fases de uma instalação elétrica a qual um medidor de energia

é conectado. Atualmente trabalha-se com instalações elétrica de 1 (monofásica), 2 (bifásica)

ou 3 (trifásica) fases. O número 5 como quantidade de fases em uma instalação é uma

informação inválida, incorreta.

A importação de dados externos nos bancos de dados pode resultar em quantidade de

campos menor do que o esperado no banco de dados. Se não for utilizado um mecanismo de

proteção, as informações no banco de dados podem apresentar os dados de uma variável em

um campo diferente, alterando o conhecimento existente nos dados.

No banco de dados

Foram observados dois problemas de dados incorretos. O primeiro, observado durante

a importação dos dados, foi a quebra dos registros em duas ou mais linhas, i.e., um caractere

de nova linha estava presente no meio dos dados de importação. A figura 2.7 apresenta um

exemplo de dados com quebra dos registros em duas linhas.

Figura 2.7 – Registro com quebra dos dados em duas linhas.

O segundo problema foi a utilização do caractere

antes do separador dos campos de

dados. Esse caractere é considerado como caractere de escape pelo MySQL.

Um caractere de escape é o primeiro caractere de uma sequência de escape, que por

sua vez é um conjunto de caracteres que possuem a habilidade de enviar caracteres de

controle (e.g., tecla

“ESC”

) [45 e 46]. Sempre que o caractere de escape é utilizado, o

caractere subsequente é analisado. Se a sequência de escape formar um caractere de controle,

este é enviado. Caso contrário o caractere subsequente ao caractere de escape é considerado

caractere de texto. A tabela 2.3 apresenta as sequências de escape do MySQL. A figura 2.8

apresenta o resultado da utilização do caractere de escape em conjunto com o caractere

“n”

que presenta o caractere de controle

“nova linha”

Tabela 2.3 – Sequências de escape do MySQL.

Sequência

Descrição

Caractere ASCII 0 (nulo)

Um caractere de marcação simples

Um caractere marcação duplas

Caractere

backspace

Caractere nova linha

Caractere

carriage return

Caractere de tabulação

Caractere ASCII 26 (Ctrl+Z)

Caractere barra invertida

Caractere %

Caractere _

(a) (b)

Figura 2.8 – Utilização de sequência de escape. a) String sem uso do caractere de escape. b) Uso do

caractere de controle

“nova linha”

O sistema de importação do MySQL interpreta o caractere separador de campos

quando utilizado subsequentemente ao caractere de escape, como parte de um campo, i.e., o

caractere separador perde a função de caractere especial se comportando como um caractere

normal, presente no campo. Como resultado ocorre a mescla de variáveis subjacentes e falta

de informação nas últimas variáveis importadas.

Outros dados incorretos existem devido a conversões incorretas do banco de dados

utilizado. A existência de datas de fabricação e datas de instalação de medidores de energia

com valor acima do ano de criação do depósito de dados (e.g.,

ano_fabric

“2069”

)

ilustram o problema: conversão automática de datas de dois dígitos para quatro dígitos. As

correções foram realizadas após a importação, através da subtração de cem anos dos valores

acima de 2008.

2.6.3 Dados discrepantes (

outliers

)

São dados com valores extremos ou atípicos, ou no caso de variáveis categóricas são

valores com pouquíssimos casos. Para variáveis numéricas pode-se analisar a variância, média

e desvio padrão dos dados para determinar quais fazem parte da amostra e quais são

considerados ruído. Descrição e referências de várias técnicas de detecção de dados

discrepantes podem ser encontradas em [47].

Um exemplo de dado discrepante é apresentado na tabela 2.4. São apresentados os

valores de consumo de diversas unidades consumidoras monofásicas.

Tabela 2.4 – Consumo de unidades consumidoras monofásicas.

Consumo

(kWh)

102013 107

102340 88

102543 201

109305 54

110241 15100

110532 187

... ...

Média 108,7

3º Quartil

280

Analisando a tabela observa-se que o consumo da UC

“110241”

é muito superior ao

consumo médio. O 3º quartil também é muito inferior ao valor desta UC, o que caracteriza

este dado como um valor atípico no conjunto de dados analisado.

No banco de dados

O depósito de dados criado apresenta casos de subtipos de medidores com poucos

registros sobre a condição de defeito. A principal causa é a baixa quantidade de registros de

ensaio desses modelos resultando em redução da quantidade do modelo após aplicação de

comandos de agrupamentos condicionais (

join... where

) A tabela 2.5 apresenta a relação

entre a quantidade de subtipos no depósito de dados e na tabela

UC_MEDIDOR

. A última coluna

indica a quantidade de registros no depósito de dados que representam medidores com falhas.

Uma observação deve ser feita para os valores de subtipos apresentados. Nesta seção os

subtipos são apresentados de forma agrupada.

Tabela 2.5 – Quantidade de registros para cada subtipo no depósito de dados e tabela

UC_MEDIDOR

Subtipo

Depósito de

Dados (%)

Tabela

UC_MEDIDOR (%)

Qtd registros

defeito (%)

B4C3V 1 (0,01%)

37129 (1,67%)

0 (0,00%)

C1X4 1 (0,01%)

6092 (0,27%)

1 (100,00%)

D58 378 (3,89%)

84567 (3,80%)

136 (35,98%)

D58C 1548 (15,93%)

79772 (3,58%)

208 (13,44%)

D8L 798 (8,21%)

71229 (3,20%)

34 (4,26%)

F72 2 (0,02%)

70104 (3,15%)

0 (0,00%)

F72G 722 (7,43%)

8144 (0,37%)

9 (1,25%)

FV201 429 (4,41%)

80917 (3,63%)

108 (25,17%)

FV202 1 (0,01%)

18993 (0,85%)

0 (0,00%)

FX221 572 (5,89%)

285781 (12,84%)

14(2,45%)

M1A 570 (5,87%)

82051 (3,69%)

90 (15,79%)

M1AG 1 (0,01%)

57858 (2,60%)

0 (0,00%)

M1AT 1 (0,01%)

272945 (12,26%)

0 (0,00%)

M8C 1 (0,02%)

19472 (0,87%)

1 (100,00%)

M8L 652 (6,71%)

42298 (1,90%)

189 (28,90%)

MF79G 710 (7,31%)

63866 (2,87%)

16 (2,25%)

MFB120G

1 (0,01%)

29661 (1,33%)

0 (0,00%)

MFT120G

291 (2,99%)

10717 (0,48%)

46 (15,81%)

MV202 619 (6,37%)

279456 (12,55%)

74 (11,95%)

MY202 1005 (10,34%)

45665 (2,05%)

37 (3,68%)

PN5DG 427 (4,39%)

353425 (15,87%)

50 (11,71%)

PN5T-G 351 (3,61%)

77496 (3,48%)

0 (0,00%)

SL1621 362 (3,73%)

90795 (4,08%)

10 (2,76%)

T4C3V 1 (0,01%)

2472 (0,11%)

0 (0,00%)

T8L 274 (2,82%)

55564 (2,50%)

39 (14,23%)

TOTAL 9718 (100,00%)

2226469 (100,00%)

1062 (10,93%)

Analisando a tabela 2.5 pode-se fazer algumas observações sobre os dados:

• Quando a quantidade de registros de medidores com falha é pequena (menor

que 3%) comparada com a quantidade de registros de medidores sem falha,

não existe informação suficiente a ser aprendida desses dados. Valores

percentuais em até 2% podem ser considerados casos atípicos ou incomuns,

portanto devem ser descartados. Situação idêntica é encontrada quando a

quantidade de registros de medidores sem falha é pequena (menor que 3%)

comparada com a quantidade registros de medidores com falha;

• Outra observação é feita quando se analisa o percentual de registros no

depósito de dados e na tabela

UC_MEDIDOR

. Para que o depósito represente

adequadamente os dados do banco de dados, o percentual para cada subtipo de

medidor em relação ao total de equipamentos deve ser próximo em ambas as

tabelas. Um valor percentual menor de registros no depósito de dados leva à

crença de falta de representatividade dos dados da tabela

MED_CONS

. Um valor

percentual maior leva a uma idéia oposta. O problema do excesso de

representatividade está na seguinte premissa: se o percentual no depósito de

dados é maior para um subtipo, então existe pelo menos um subtipo com

percentual menor;

Através da primeira observação, os subtipos

“B4C3V”

“C1X4”

“F72”

“F72G”

“FV202”

“FX221”

“M1AG”

“M1AT”

“M8C”

“MF79G”

“MFB120G”

“PN5T-G”

“SL1621”

“T4C3V”

são considerados dados discrepantes.

A segunda observação pode ser desconsiderada, pois o depósito de dados não é uma

amostra da tabela

UC_MEDIDOR

, e sim uma junção desta com outras tabelas (e.g.,

MED_CONS

os dados ARSESP).

2.6.4 Dados redundantes

A utilização de diversas fontes de dados na geração do depósito de dados pode resultar

em dados redundantes. Estes podem ocorrer devido a nomeações distintas para uma mesma

variável ou uso de variáveis distintas para representar um mesmo conhecimento. Exemplo:

variável referente aos alunos de uma universidade, em um banco utiliza-se a definição

estudante e em outro a definição aluno.

Para determinação de variáveis redundantes faz-se a análise da correlação entre as

variáveis. Campos com nomeação distinta para uma mesma variável possuem correlação

unitária enquanto campos distintos que representam o mesmo conhecimento possuem módulo

dos valores de correlação próximos a 1. O especialista deve decidir qual o limite de correlação

e semelhança entre os dados para classificá-los como redundantes.

Outro tipo de redundância é a repetição de um registro na base de dados, problema

típico de bancos de dados com tabelas não-transacionais acessadas por 2 ou mais usuários

simultaneamente. Ressalta-se que dois registros idênticos em um subconjunto de uma base de

dados não é caracterizado diretamente como um erro de redundância, para tal é necessário que

os registros estejam repetidos no banco de dados original e que este banco seja caracterizado

por conter informações únicas. Desta forma, a análise pelo especialista é fundamental.

Apesar de existirem algoritmos de mineração de dados que não são influenciados por

variáveis redundantes deve-se considerar a remoção destas variáveis quando a quantidade de

informação a ser verificada for elevada, podendo ultrapassar a capacidade de memória

utilizada pelos programas de mineração de dados [44].

No banco de dados

As redundâncias existentes no banco de dados estão nas variáveis utilizadas para

relacionar as diversas tabelas. As variáveis

conta

, respectivamente de

UC_MEDIDOR

MED_CONS

, contem a mesma informação (número da unidade consumidora).

Existem campos que apresentam aglutinações de informações de dois ou mais campos,

ou aglutinação de informações de um campo com novas informações que não são

apresentadas por nenhum campo na base de dados. É o caso da variável

contabil

que

informa a quantidade de fases a que o medidor deve ser instalado, a tensão de ligação do

equipamento à instalação elétrica, se é utilizado para medição direta ou indireta, e se é do tipo

eletrônico ou indução eletromagnética. A quantidade de fases para conexão é fornecida

simultaneamente por

contabil

e por

cod_tipo_fase

enquanto as demais informações não

são apresentadas por nenhum campo da tabela.

2.7 Transformação

A etapa de transformação consiste em fazer a adequação dos dados para a etapa de

mineração. Nesta etapa pode ocorrer a conversão de variáveis contínuas para discretas

(discretização) e conversão de variáveis texto para numéricas (e.g.,

“A”

→

“1”

). As variáveis

discretas não podem ser convertidas em contínuas, uma vez que a quantidade de informação

que uma variável contínua contém é superior a de uma variável discreta.

Outro tipo de transformação comum é a transformação de uma variável com N valores

possíveis em N variáveis binárias. Essa transformação é denominada flattening e é utilizado

para melhorar o relacionamento dos dados [36].

Exemplo: um depósito de dados contendo o nome do cliente e o tipo de produto que

ele comprou de uma empresa de telecomunicações: para um mesmo cliente podem existir

vários registros, cada um contendo um serviço contratado. A tabela 2.6 apresenta um

segmento do depósito de dados.

Tabela 2.6 – Segmento de um depósito de dados.

Cliente

Produto

... ...

20375 Telefone

20375 Internet

20375 TV por assinatura

20398 Telefone

20398 Identificador de chamadas

... ...

Os dados da variável

Produto

podem ser transformados utilizando flattening para que

haja a redução de registros e melhor visualização dos dados. A tabela 2.7 mostra o resultado

da aplicação de flattening. Registros com valor

“1”

informam que o cliente contratou aquele

serviço enquanto valor

“0”

significa que o serviço não foi contratado.

Tabela 2.7 – Segmento de um depósito de dados após flattening.

Cliente

Telefone

Internet

TV por assinatura

Identificador de chamadas

20375 1 1 1 0

20398 1 0 0 1

A normalização de variáveis é uma técnica que delimita os valores de variáveis

numéricas em um mesmo intervalo de busca. Geralmente os valores são normalizados no

espaço 0 a 1, ou -1 a 1. Esta técnica de transformação é útil quando se utiliza de medidas de

distâncias entre os dados (e.g., agrupamento). Sem a normalização, uma variável pode

apresentar maior efeito de distância sobre as demais, tornando impossível comparar a

dispersão dos dados devido à variável não normalizada.

Os tipos de transformações a serem realizadas nos dados dependerão da tarefa de MD

e do tipo de algoritmo utilizado para este fim.

2.7.1 Transformação de variáveis categóricas em numéricas

A técnica de mineração de dados stepwise não pode trabalhar com variáveis que não

sejam numéricas. A idéia inicial é converter variáveis tipo texto em numéricas, porém as

variáveis, ao serem convertidas, apresentarão uma informação de distância falsa. Variáveis

categóricas não possuem informação de distância, e a conversão em valores numéricos

apresenta uma informação falsa sobre a distância. Exemplo: considere uma variável que aceite

o nome de frutas,

“banana”

“maçã”

“laranja”

. A conversão desta variável em numérica

recebe os valores

“0”

“1”

“2”

que representam

“banana”

“maçã”

“laranja”

respectivamente. Em questões numéricas pode-se afirmar que

2>1

, porém não se pode dizer

que

“laranja”>“maçã”

De acordo com a literatura todas variáveis categóricas devem ser convertidas em

numéricas através de flattening. A tabela 2.8 apresenta a listagem de variáveis categóricas do

banco de dados e a quantidade de valores que elas assumem.

Tabela 2.8 – Lista de variáveis categóricas utilizadas para MD.

Variável

Qtd de valores

possíveis

subtipo_equip

cod_tipo_fase

contabil

cod_tipo_local

cod_localidade

210

cod_classe_principal

cod_classe_consumo

160

grupo_tensao_fornecimento

As variáveis

cod_localidade

cod_classe_consumo

não passaram pelo processo de

transformação. A enorme quantidade de valores que elas podem assumir dificulta a análise

após a transformação, gerando muitas colunas. Por se tratar de variáveis categóricas com

valores numéricos elas são aceitas pelo algoritmo de regressão. A única implicação é que a

regressão tratará os valores destas variáveis como numérico, ou seja, a regressão assume que

cod_classe_consumo=3132

é menor do que

cod_classe_consumo=6019

ou que

cod_localidade=93

é maior que

cod_localidade=71

2.7.2 Transformação de variáveis contínuas em discretas

(discretização)

Uma variável contínua pode ser vista como um conjunto de valores linearmente

ordenados, limitados em uma faixa de valores. O processo de discretização consiste

basicamente em subdividir essa faixa em pelo menos duas sub-faixas. A escolha dos pontos

de discretização deve ser realizada de modo a prover informações de classificação úteis para

os exemplos que compõem as classes [48].

Os primeiros algoritmos de indução para árvores de decisão não trabalhavam com

variáveis contínuas, porém existem vários algoritmos de indução que trabalham com variáveis

contínuas, discretizando-as em tempo de execução. Estes algoritmos utilizam a discretização

em dois subgrupos, utilizando um valor limite. Quando o valor de um elemento da variável

for menor do que o limite ele vai para o ramo esquerdo, e quando o valor é maior do que o

limite ele vai para o ramo direito.

A discretização em tempo de execução gera problemas para validação cruzada. O

algoritmo de indução busca o ponto ótimo de discretização de acordo com os dados utilizados

para treino. Como na validação cruzada são realizados vários treinos, com segmentos distintos

de dados, cada segmento pode apresentar pontos de discretização distintos.

A alternativa é realizar a discretização antes da execução do algoritmo, tratando todas

as variáveis contínuas como discretas. Existe uma diversidade de técnicas de discretização,

em [49] faz-se uma revisão sobre várias técnicas.

No banco de dados utilizou-se uma metodologia simples de discretização. Os pontos

foram escolhidos de modo a garantir uma quantidade de dados próxima em todas as sub-

faixas. As variáveis

ano_fabric

media

maximo

dias_de_vida

temperatura

precipitacao

altitude

foram discretizadas para aplicação da técnica de mineração

árvores de decisão.

2.8 Mineração de Dados

A Mineração de Dados é utilizada para obter padrões de interesse, a partir de dados,

em uma ou mais formas representativas (e.g., árvores de decisão, regressão). É considerada a

etapa central de DCBD.

A utilização da Mineração de Dados em bases de dados sem tratamento prévio foi

nomeada de modo pejorativo como data fishing ou data dredging, uma vez que os padrões

obtidos podem não apresentar significado verdadeiro.

Em [35] são classificados dois tipos de objetivos almejados com a utilização de

DCBD, verificação e descoberta.

• Verificação: o processo de DCBD é utilizado para confirmar uma hipótese

inicial;

• Descoberta: a ferramenta é utilizada para descobrir novos padrões nos dados.

Os dois objetivos principais de MD são predição e descrição.

• Predição: descobre padrões e relacionamentos para determinar valores

desconhecidos ou futuros de uma ou mais variáveis de interesse.

• Descrição: descobre padrões que descrevem os dados em uma forma

compreensível para humanos.

Nota-se que, em alguns casos, o resultado da MD satisfaz ambos os objetivos.

Os objetivos descritos anteriormente são alcançados utilizando algoritmos para obter

uma tarefa de MD. As tarefas descritas a seguir são baseadas em [34] e [38] e utilizam o

exemplo apresentado na figura 2.9. É apresentada de forma gráfica, os dados de um banco

com informações sobre clientes que pagaram um empréstimo (o) ou não (x). O eixo da

abscissa contém a renda da pessoa, e no eixo da ordenada é apresentado o total de dívidas da

mesma.

Total de dívidas

Figura 2.9 – Descrição de clientes que pagam ou não os empréstimos em função da renda e da quantidade

de dívidas.

2.8.1 Classificação

A classificação consiste em aprender uma função que mapeia (classifica) os itens de

um banco de dados em uma das várias classes predefinidas. Exemplos de aplicação: sistema

que classifica aeronave através dos valores de suas dimensões e tipo de propulsão,

classificação de clientes fraudadores utilizando dados históricos de consumo. A figura 2.10

mostra um mapeamento dos dados de empréstimo em duas regiões, o banco pode querer

utilizar classificação para automaticamente decidir quando um empréstimo futuro deve ser

fornecido ou negado.

Total de dívidas

Figura 2.10 – Exemplo de classificação.

2.8.2 Regressão

A regressão consiste em aprender uma função que mapeia os dados de uma variável do

banco de dados em uma função das outras variáveis do banco. A regressão pode ser linear ou

não-linear, simples ou multivariada. Exemplos de aplicação de regressão: determinação de

biomassa presente em uma floresta utilizando dados coletados através de sensores; predizer a

demanda por um produto em função de gastos com propaganda. A figura 2.11 apresenta uma

regressão simples onde o total de dívidas é uma função linear de renda.

Figura 2.11 – Exemplo de regressão.

2.8.3 Agrupamento (

Clustering

)

Agrupamento é uma tarefa descritiva, que consiste em agrupar os dados em um

número finito de grupos. Os grupos podem ser mutuamente exclusivos, ou possuírem

sobreposição. Exemplos de utilização: definir grupos de consumidores em uma base de dados

de mercado. A figura 2.12 apresenta o agrupamento para o exemplo de empréstimo. Observa-

se que na análise de agrupamento não existe distinção entre os valores de classe, ou seja, não

se sabe durante a aplicação de agrupamento os valores dos grupos.

Total de dívidas

Figura 2.12 – Exemplo de agrupamento.

2.8.4 Associação

A tarefa de associação visa encontrar relacionamentos entre variáveis do banco de

dados. Tarefas de associação possuem duas etapas: redução das variáveis e geração de regras

através da análise de suporte e confiança. Suporte é definido como a quantidade de vezes que

uma relação entre duas ou mais variáveis do banco de dados é verdadeira, isto é, que para a

mesma relação seja apresentado o mesmo valor da variável de saída [50]. Exemplos de

aplicação: análise de relacionamentos de venda de produtos em supermercados (e.g. pão e

leite).

2.8.5 Sumarização (

Summarization

)

A sumarização mapeia os dados em subclasses com descrições simples. Exemplos de

utilização: geração de resumos de textos.

2.8.6 Detecção de desvios (Deviation detection)

A detecção de desvios observa alterações nos dados. Exemplos de aplicação: detecção

de fraudes.

2.9 Técnicas de mineração de dados

As técnicas utilizadas para MD provém das diversas áreas que se relacionam com

DCBD. Exemplos de técnicas são:

• Estatística: redes bayesianas, regressão, análise multivariada;

• Aprendizagem de máquina: árvores de decisão, redes neurais, k-means.

As técnicas de mineração de dados não são específicas para uma tarefa, podendo uma

técnica ser utilizada em duas ou mais tarefas. A tabela 2.9 apresenta exemplos de técnicas e as

tarefas de MD que elas podem realizar.

Tabela 2.9 – Exemplo de técnicas de mineração de dados e tarefas em que podem ser utilizadas.

Classificação

Regressão

Agrupamento

Associação

Sumarização

Regressão

• •

Árvores de Decisão

• • •

Redes neurais

• • •

Estatística Clássica

• •

2.9.1 Regressão

A ideia da regressão é modelar o comportamento de uma variável em função de outras

variáveis. Assim, é possível predizer o comportamento de uma variável de saída em função de

uma ou mais variáveis de entrada.

Considerações iniciais

As regressões utilizam um conjunto de variáveis de entrada para gerar uma variável de

saída. Para facilitar as explicações, será utilizada a mesma convenção apresentada em [26].

No trabalho, é definido um modelo para representação da regressão. O modelo é composto

por N entradas e M saídas, como mostra a figura 2.13.

Figura 2.13 – Convenção dos modelos. Fonte: [26]

Defini-se x

como a i

ésima

das N entradas, y

a j

ésima

, e ŷ

a estimação da j

ésima

saída.

Nota-se que x

, y

e ŷ

são vetores, cada um com n observações, como mostra a figura 2.14. É

possível definir matrizes de entrada e saída para o modelo. A matriz X é a matriz de entrada e

as matrizes Y e Ŷ são as matrizes de saída verdadeira (real) e saída do modelo (estimada). A

matriz X possui dimensão n

N, e as matrizes Y e Ŷ possuem dimensões n

… x

…

… y

…

… ŷ

…

Figura 2.14 – Convenção de matrizes. Fonte: [26]

Como existe somente uma saída de interesse neste trabalho, M apresenta valor

unitário.

Regressão linear

Na regressão linear, a saída é considerada uma função linear da entrada.

ββ

+×= XY

(2.1)

Onde β

é um vetor constante. Deseja-se obter a matriz β que soluciona esta equação,

assim será possível criar um modelo capaz de predizer a saída Ŷ para qualquer valor de X.

A matriz β é obtida através da equação 2.2.

(

)

ββ

−×=

−

(2.2)

O fato da matriz X não ser quadrática, ou ser quadrática, mas não invertível, impede a

utilização da equação 2.2. Como alternativa utiliza-se o conceito de pseudo-inversa [51]. A

pseudo-inversa também é conhecida como inversa de Moore-Penrose, em homenagem a E. H.

Moore e R. Penrose que formularam de modo independente o conceito [52]. Quando a matriz

é invertível, a pseudo-inversa é idêntica à inversa. No caso de matriz não-invertíveis, a

pseudo-inversa apresenta uma matriz com algumas propriedades da inversa, possuindo

funcionalidade para a regressão. O uso da pseudo-inversa para obtenção da matriz β é

apresentado na equação 2.3. Uma observação importante é que a pseudo-inversa não existe

quando a quantidade de variáveis de entrada for maior do que a quantidade de observações.

Na condição de N>n, o processo de pseudo-inversa realiza uma expansão de dimensões para

formar a matriz quadrada, o que resulta em uma matriz quadrada singular ou próxima a

singularidade, e esta não é invertível. Na condição de n>N, o processo realiza uma

compressão de dimensões, o que geralmente resulta em uma matriz quadrada invertível.

(

)

(

)

ββ

−×××=

−

YXXX

(2.3)

Os valores da matriz

indicam os pesos das variáveis de entrada para obtenção das

variáveis de saída.

Para obtenção de

, várias técnicas podem ser utilizadas. A mais comum é a de

mínimos quadrados. Esta técnica utiliza uma medida de erro entre a saída real e a estimada

pela regressão, dada por

, para encontrar o valor de

. Este erro é denominado resíduo. A

equação 2.4 apresenta a equação do resíduo.

=−YY

(2.4)

Onde

é um vetor com os valores de erro entre a saída real e estimada

A regressão linear pode ser escrita em função da saída real através da substituição da

equação 2.1 em 2.4.

(

)

εββ

=+×−

XY (2.5)

εββ

++×=

XY (2.6)

Nessas condições, o valor de

é dado por:

(

)

( )

εββ

−−×××=

−

YXXX

(2.7)

Regressão Stepwise

Na mineração de dados podemos ter como objetivo a determinação de um subconjunto

de variáveis que melhor represente a saída de interesse. Existem vários algoritmos estatísticos

propostos para apresentar subconjuntos de qualidade de forma automática. Alguns algoritmos

populares são [53 e 54]: All Possible Regression (APR), Forward Selection (FS), Backward

Elimination (BE) e Stepwise (ou seleção de Efroymson).

O algoritmo stepwise é uma evolução do método FS. O algoritmo FS inicializa com

nenhuma variável, a saída é uma constante. É acrescentada à lista a variável que obtiver o

maior valor em um teste de significância da análise de variância (teste F), desde que o

resultado do teste seja superior a um limite pré-definido. A segunda variável adicionada

também é aquela que satisfaz o mesmo critério de escolha. O processo se repete até que todas

as variáveis sejam adicionadas ou um critério de parada for atingido (e.g., nenhuma variável

obteve resultado do teste superior ao limite pré-definido).

A diferença de stepwise para FS é que a cada passo, pode-se adicionar ou remover

uma variável. Com isto uma variável anteriormente incluída no modelo pode ser retirada. O

critério utilizado para análise do subconjunto irá depender do critério de adequação dos dados

e do objetivo da regressão. Os programas computacionais para cálculo de stepwise geralmente

utilizam o teste-F para verificar se a diferença de variância da saída, causada pela inserção (ou

remoção) de uma variável, possui um valor significativo. Outras técnicas apresentadas em

[54] são: coeficiente de correlação múltipla quadrática, erro quadrático total, CP de Mallow,

critério de informação de Akaike.

Entre os parâmetros apresentados em cada etapa da regressão o root mean squared

error (RMSE) apresenta uma informação importante para o usuário. Ele define a variação dos

valores estimados em relação aos valores observados no conjunto de dados, isto é, determina

a média dos valores quadráticos de resíduo e extrai a raiz, conforme equação 2.8. O resíduo é

considerado a diferença entre o ponto estimado e seu valor real, quanto maior a variação do

resíduo, menor a adequação do modelo aos dados de treinamento. Um modelo perfeitamente

ajustado aos dados de treinamento possui resíduos nulos e portanto o valor do RMSE é igual a

0. Deve-se ressaltar que um modelo perfeitamente ajustado aos dados de treino está sujeito a

aprender os ruídos existentes nos dados, o que não é desejável.

( )

∑

−⋅=

RMSE

(2.8)

A equação do RMSE se assemelha à equação do desvio padrão, com a diferença que

no desvio padrão se utiliza a diferença entre os valores dos dados e o valor médio. Em casos

em que o valor médio dos resíduos é nulo, o RMSE apresenta o mesmo valor que o desvio

padrão dos resíduos.

Como o algoritmo stepwise permite a adição ou remoção de variáveis, uma a cada

etapa, pode-se dizer que é um algoritmo de busca em vizinhança [33 e 55]. Definindo-se

como a quantidade de variáveis existentes no modelo e

como o total de variáveis de entrada,

um vizinho é definido através de:

• Se

1<Q<N

o Inserção de uma variável ao modelo;

o Remoção de uma variável do modelo;

• Se

Q=1

o Inserção de uma variável ao modelo.

O critério de parada ocorre quando não existe vizinho com erro dos quadrados dos

resíduos menor do que a configuração atual ou então quando o algoritmo realizou uma

quantidade predefinida de iterações [54]. A figura 2.15 apresenta o fluxograma do algoritmo

stepwise.

Uma ou mais variáveis podem ser forçadas ao modelo, ou seja, variáveis que não

devem ser consideradas para remoção. O modelo inicial contém o grupo de variáveis forçadas

e estas não serão eliminadas em nenhuma iteração do algoritmo.

A regressão stepwise trabalha somente com variáveis numéricas, não podendo ser

utilizada para variáveis categóricas. Como consequência os valores categóricos devem ser

convertidos em variáveis numéricas via flattening.

Q=0

Adicionar variável

de acordo com

critério

Adição de variável

melhora o modelo?

Remoção/

Adição de

variável melhora

o modelo?

N > 0?

Q ≥ 1?

Q = N?

Adicionar/remover

variável de acordo

com critério

Remoção de

variável melhora

o modelo?

Remover variável

de acordo com

critério

FIM

Figura 2.15 – Fluxograma simplificado de forward stepwise.

A regressão stepwise escolhe as variáveis que mais se adaptam ao modelo gerando

menor erro de generalização da saída por uma função linear.

Mesmo que os dados não estejam correlacionados linearmente, o algoritmo pode

apresentar fortes indícios das variáveis mais significativas na determinação da variável de

saída.

Para aplicação nos dados da concessionária de energia, as variáveis categóricas foram

transformadas via flattening.

O algoritmo de regressão stepwise utilizado é fornecido pelo programa computacional

MATLAB. Os valores de

para inserção de variáveis foi

p<0,05

e para retirada

p>0,1

. O

algoritmo foi executado duas vezes, uma iniciando sem nenhuma variável no modelo

(forward stepwise) e outra com todas as variáveis inclusas no modelo (backward stepwise).

Forward stepwise

A figura 2.16 apresenta o histórico do RMSE durante a execução do algoritmo de

forward stepwise [56]. Como a função de saída assume somente dois valores,

“0”

“1”

, e

supondo que o valor de resposta não seja superior ao valor de saída, o maior valor de RMSE

que se poderá obter será

“1”

Figura 2.16 – Valores de RMSE para todas as etapas do algoritmo forward stepwise.

O RMSE inicial, para uma linha com valores de saída constantes traçado em

defeito=0,144615

, é igual a 0,35737 e com as variáveis selecionadas pelo algoritmo seu

valor se tornou 0,33767. O algoritmo apresentou uma redução de 5% do RMSE, indicando

que neste caso um valor constante está representando a saída de maneira similar ao uso das 13

variáveis selecionadas. As variáveis que compõem o modelo de resposta são apresentadas na

tabela 2.10.

Tabela 2.10 – Variáveis selecionadas pelo algoritmo forward stepwise.

Variáveis

subtipo_equip=“D58”

subtipo_equip=“D58C”

subtipo_equip=“D8L”

subtipo_equip=“FV201”

subtipo_equip=“M8L”

subtipo_equip=“MY202”

contabil=4

instalacoes

dias_de_vida

cod_tipo_local

cod_localidade

cod_classe_principal=2

cod_classe_principal=4

Backward stepwise

O histórico do RMSE durante a execução do algoritmo backward stepwise [56] é

apresentado na figura 2.17.

Figura 2.17 – Valores de RMSE para todas as etapas do algoritmo backward stepwise.

A utilização de todas variáveis (condição inicial) resulta em um RMSE igual a

0,337708. O RMSE obtido ao final do modelo foi 0,337557. A redução do RMSE foi menor

do que 1% para este caso,

As variáveis selecionadas pelo modelo são apresentadas na tabela 2.11.

Tabela 2.11 – Variáveis selecionadas pelo algoritmo backward stepwise.

Variáveis

subtipo_equip=“D58”

subtipo_equip=“D8L”

subtipo_equip=“FV201”

subtipo_equip=“M1A”

subtipo_equip=“M8L”

subtipo_equip=“MV202”

subtipo_equip=“MY202”

subtipo_equip=“PN5DG”

contabil=6

instalacoes

dias_de_vida

cod_tipo_local

cod_localidade

cod_classe_principal=1

cod_classe_principal=3

Variáveis finais selecionadas pela regressão stepwise

As tabelas 2.10 e 2.11 apresentam dados semelhantes. Faz-se a consideração de que se

pelo menos um dos valores, de uma variável que recebeu flattening, for escolhido então a

variável antes de flattening será escolhida. Assim, as variáveis selecionadas pela regressão

são:

subtipo_equip

contabil

instalacoes

dias_de_vida

cod_tipo_local

cod_localidade

cod_classe_principal

2.9.2 Árvores de decisão

A árvore de decisão é uma técnica de MD utilizada para classificação ou regressão.

Ela possui este nome por se assemelhar a uma árvore vista de ponta-cabeça. A figura 2.18

apresenta uma árvore de decisão.

A árvore de decisão é constituída de duas partes:

• Nó: representa um teste de atributo. O nó que não possui ramo de entrada é

denominado nó central e se encontra no início da árvore. Os nós que possuem

ramos de entrada e saída são denominados nós internos. Qualquer outro tipo de

nó é denominado de “folha”. Os nós “folhas” não representam testes, somente

valores da variável de saída ou a própria variável.

• Ramo: dois nós são ligados por um ramo. Cada ramo representa um valor

distinto existente na variável do nó superior para o subconjunto em estudo.

clima

sim

nublado

chuva

sol

umidade

não sim

elevada

normal

vento

sim não

não

sim

Figura 2.18 – Exemplo de árvore de decisão.

A utilidade das árvores de decisão para MD é perceptível quando são envolvidos

algoritmos de indução. Algoritmos de indução são descritos como algoritmos que, a partir de

um conjunto de dados de treinamento, generalizam de forma automática o relacionamento das

variáveis de entrada com a variável de saída [57]. O objetivo básico é encontrar a árvore que

proporcione o menor erro de generalização, isto é, que classifique corretamente a maior

quantidade possível de dados. Entre os objetivos secundários destaca-se o desejo de obter a

menor árvore possível. O tamanho da árvore influencia na complexidade em se entender o

problema.

Determinar a árvore que apresente o menor erro de classificação é considerado um

problema NP-difícil, portanto os algoritmos de indução devem ser heurísticas ou

metaheurísticas que procuram pela melhor solução do problema. Esses algoritmos podem ser

classificados em dois grupos de construção da árvore: cima-baixo e baixo-cima. Nos

algoritmos “de cima para baixo” a árvore é montada a partir do nó central em direção as

folhas. Esta metodologia é a mais utilizada na literatura.

Existem vários algoritmos de indução para árvores de decisão “de cima para baixo”:

ID3, C4.5, CART [33]. Em geral, estes são heurísticas de partição que utilizam do algoritmo

guloso para escolha do melhor nó segundo algum critério. Uma vez que um nó é escolhido, o

problema é particionado criando subconjuntos para cada ramo do nó. Para cada subconjunto é

escolhido o melhor nó e assim sucessivamente até que um critério de parada tenha sido

satisfeito.

Os critérios de parada comuns para árvores de decisão são [33 e 58]:

• Todas as instâncias dos dados de treinamento contêm o mesmo valor de saída;

• A profundidade da árvore atingiu um valor máximo predefinido;

• O número de casos em uma folha é menor do que um valor mínimo;

• Se um nó for dividido e a quantidade de ramos for menor do que um valor

mínimo;

• O critério de escolha do nó não satisfaz uma premissa (e.g. ser 1,5 vezes mais

adequado do que os demais nós).

Inductive Decision Tree (ID3)

O algoritmo básico de aprendizagem de árvores de decisão é exemplificado pelo

algoritmo ID3. Como dito anteriormente, o ID3 é um algoritmo de construção “de cima para

baixo”, que assume como dados somente variáveis discretas. O uso de variáveis numéricas é

possível desde que sejam discretizadas. Algoritmos mais recentes, como C4.5 e CART

encontram automaticamente os pontos de discretização antes de iniciar o algoritmo. O

algoritmo ID3 foi formulado por Ross Quinlan em 1986. [58 e 59]

Para a escolha do melhor atributo, ID3 utiliza o conceito de ganho de informação. O

ganho de informação define quão bem um atributo classifica os dados da saída.

O ganho de informação é medido utilizando o conceito de entropia [36 e 45]. O

conceito de entropia foi formulado por Claude Shannon em 1940 e é considerado um dos mais

importantes trabalhos do século 20 [34].

A entropia mede a quantidade mínima média de bits por símbolo necessária para

processar uma informação [60]. Dado um conjunto de dados S com valores discretos, a

quantidade mínima média de bits necessários por símbolo para representar os valores de S é:

ppSEntropia

log)( ⋅−=

∑

(2.9)

Onde p

é a probabilidade do valor i no conjunto S.

Considere o exemplo da tabela 2.12. Ela contém informações sobre o tempo em uma

manhã de sábado. A variável de saída indica se uma pessoa jogará tênis.

Tabela 2.12 – Dados sobre tempo para se jogar tênis.

clima temperatura

umidade

vento

jogar?

sol Quente elevada não não

sol Quente elevada sim não

nublado

Quente elevada não sim

chuva ameno elevada não sim

chuva frio normal não sim

chuva frio normal sim não

nublado

frio normal sim sim

sol ameno elevada não não

sol frio normal não sim

chuva ameno normal não sim

sol ameno normal sim sim

nublado

ameno elevada sim sim

nublado

frio normal não sim

chuva ameno elevada sim não

A entropia da variável

clima

é dada por:

chuvachuvanubladonubladosolsol

ppppppEntropia

222

logloglog)clima( ⋅−⋅−⋅−= (2.10)

(

)

(

)

(

)

(

)

bitsEntropia 577,1

log

2)clima(

=⋅−⋅⋅−= (2.11)

Para as demais variáveis as entropias são:

bitsEntropia 531,1a)temperatur(

(2.12)

bitEntropia 1)umidade(

(2.13)

bitentoEntropia 985,0)v(

(2.14)

bitogarEntropia 94,0?)j(

(2.15)

O ganho de informação é a diferença da quantidade de bits necessária sem a

classificação e a quantidade de bits necessária após a classificação. Em outras palavras,

representa a redução de bits quando se supõe que uma informação de entrada é conhecida.

Para melhor compreensão será utilizado o exemplo anterior. A figura 2.19 apresenta os

valores da resposta classificados para cada valor das variáveis.

Figura 2.19 – Representação dos valores da variável de saída classificados de acordo com as variáveis de

entrada.

Quando a entropia de uma variável é encontrada utilizando outra variável, diz-se que a

entropia encontrada é a entropia condicional, denotada por entropia(S|T), onde S é a variável

de saída e T é a variável condicional.

Quando a entropia é encontrada para um valor específico da variável condicional,

denomina-se entropia condicional específica. A entropia condicional é escrita em função das

entropias condicionais:

)|()()|( iTSEntropiaiTpTSEntropia =⋅==

∑

(2.16)

A entropia condicional específica para a variável de saída utilizando o valor

nublado

da variável

clima

é:

bitsnubladoacjogarEntropia 0

log

)lim|?(

=⋅−⋅−== (2.17)

Observe que

log

(0)

não existe, mas sempre que este caso ocorrer ele será tratado

como

Para os demais valores de

clima

tem-se:

bitchuvaacjogarEntropiasolacjogarEntropia

971,0)lim|?()lim|?( ==== (2.18)

A entropia condicional da variável de saída em função da variável

clima

é:

bitacjogarEntropia 693,0971,0

971,0

)lim|?( =⋅+⋅+⋅= (2.19)

A entropia condicional da variável de saída em função das demais variáveis de entrada

são:

bitatemperaturjogarEntropia 911,0)|?(

(2.20)

bitumidadejogarEntropia 79,0)|?(

(2.21)

bitventojogarEntropia 892,0)|?(

(2.22)

O ganho de informação indica quantos bits serão “economizados” para determinação

da variável S se utilize o conhecimento da variável T.

)|()()|( TSEntropiaSEntropiaTSGanho

−

(2.23)

Os ganhos de informação da variável de saída do exemplo anterior são apresentados

na tabela 2.13.

Tabela 2.13 – Ganho de informação da variável de saída utilizando uma variável de entrada.

Variável Ganho

clima 0,247 bit

temperatura

0,029 bit

umidade 0,152 bit

vento 0,048 bit

A variável que apresenta maior ganho é

clima

, portanto

clima

é selecionada como o

nó de solução para este subconjunto. A estrutura inicial da árvore é apresentada na figura

2.20.

Figura 2.20 – Estrutura inicial da árvore de decisão.

Para

clima

igual a

nublado

a variável de saída assume valor

sim

, para outro valor de

clima

a variável de saída apresenta mais de um tipo valor. O problema é particionado em dois

grupos. No primeiro grupo entram os valores da tabela 2.12 que possuem valor de

clima

igual

sol

e no segundo os valores da tabela que possuem valor de

clima

igual a

chuva

. Para cada

grupo é realizado novo teste de ganho de informação. O processo se repete até que o critério

de parada tenha sido atingido. A árvore completa é apresentada na figura 2.18.

Variáveis com muitos valores podem apresentar problemas para o algoritmo de ganho

de informação. Uma vez que uma diversidade de valores tende a gerar resultados puros,

variáveis com muitos valores tendem a ser classificadas como as melhores. Como alternativa

é utilizada a taxa de ganho que é o ganho de informação dividido pela entropia da variável

condicional. A taxa de ganho para os dados do exemplo são apresentados na tabela 2.14. A

taxa de ganho é uma técnica utilizada no algoritmo C4.5.

Tabela 2.14 – Taxa de ganho para as variáveis do problema sobre jogo de tênis.

Variável Ganho

Entropia

da variável

Taxa de

Ganho

clima 0,247 bit

1,577 bits

0,157

temperatura

0,029 bit

1,531 bits

0,019

umidade 0,152 bit

1 bit 0,152

vento 0,048 bit

0,985 bit 0,049

Aplicação de árvores de decisão no banco de dados

A árvore de decisão é uma técnica que classifica os elementos de acordo com um

critério de saída. No problema de falha de medidores, a árvore gera regras que determinam os

medidores com falha.

A árvore de decisão não encontra a correlação existente entre os dados de entrada, mas

fornece um mecanismo de classificação da saída em função das entradas. As variáveis que se

encontram mais próximas ao nó central podem ser consideradas mais significativas, por

serem, de acordo com a teoria, as que mais reduzem a informação.

Para construção de árvores de decisão foi utilizado o programa WEKA (Waikato

Environment for Knowledge Analysis). O algoritmo de indução utilizado é o J48, uma versão

em Java do algoritmo C4.5 de R. Quinlan.

A árvore obtida é muito grande tornando sua visualização difícil. Na figura 2.21 é

mostrado um esboço da árvore completa. As regras desta árvore estão disponíveis no anexo B.

Figura 2.21 – Árvore de decisão obtida com os dados da concessionária.

A matriz de confusão é uma matriz quadrada que possui ordem igual a quantidade de

valores possíveis que a variável de saída analisada assume, neste trabalho a matriz de

confusão possui ordem 2. As linhas da matriz representam a resposta dos dados de observação

(ou aprendizagem), enquanto as colunas representam a resposta de uma metodologia (e.g.,

árvores de decisão). A tabela 2.16 apresenta a matriz de confusão gerada com os dados da

árvore de decisão.

Cada valor da matriz de confusão representa a quantidade de dados com saída

observada apresentada na linha como a saída classificada na coluna. Por exemplo, o elemento

na linha 1 e coluna 1 representa a quantidade de registros do banco de dados que possuem

saída observada

“N”

foram classificados como

“N”

. Analogamente, o elemento da linha 1 e

coluna 2 apresenta quantos registros que possuem saída observada

“N”

foram classificados

como

“S”

Tabela 2.15 – Matriz de confusão para a árvore de decisão.

Classificação

N S

2228 70

Dados

215 382

A matriz de confusão é uma matriz que possibilita a obtenção de várias medidas dos

resultados: accuracy, TP Rate, FP Rate, precision, recall, F-Measure, etc. Se o leitor desejar

obter informações sobre essas medidas, sugere-se a consulta de [61].

Neste trabalho, um dado relevante é a quantidade de equipamentos que apresentam

defeito foram corretamente classificados como defeito. O elemento da linha 2 e coluna 2 da

matriz de confusão apresenta a quantidade de registros que representam casos de defeito

foram classificados como defeito enquanto o elemento desta mesma linha e coluna 1

apresenta a quantidade de registros que representam casos defeitos mas não foram

classificados como tal. Assim, a porcentagem de registros que apresentam falha classificados

corretamente pela árvore de decisão é 64%.

A árvore obtida na figura 2.21 possui 10 níveis de profundidade e 1115 folhas, uma

árvore grande. Podemos fazer uma redução da árvore de decisão utilizando níveis: o primeiro

nível é o nó central, o segundo nível são os nós descendentes do nó central e assim por diante.

O primeiro nível contém a variável

instalacoes

. Para os valores de

instalacoes

o segundo nível contém a variável

subtipo

. Para o valor

instalacoes

segundo nível contém a variável

ano_fabric

, e para os demais valores de

instalacoes

(

), não existe registros de equipamentos com falha.

A figura 2.22 apresenta um detalhe da árvore no segundo nível, quando

instalacoes=1

subtipo=“M1A”

. Observa-se pela figura que a partir do quarto nível, esse

segmento da árvore se torna muito complexo.

Figura 2.22 – Detalhe da árvore para

instalacoes=“1”

subtipo=“M1A”

A utilização do quarto nível ou níveis mais profundos pode tornar o conhecimento da

árvore muito específico para o conjunto de dados utilizado, podendo resultar em uma árvore

que possui baixa eficiência para novos conjuntos de dados. Considerando somente os níveis 1,

2 e 3, as variáveis que apareceram na árvore foram:

instalacoes

subtipo_equip

ano_fabric

media

cod_localidade

cod_classe_principal

maximo

temperatura

cod_tipo_local

dias_de_vida

precipitacao

Construindo uma árvore de decisão somente estas variáveis se obtém a matriz de

confusão da tabela 2.16.

Tabela 2.16 – Matriz de confusão para a árvore de decisão após poda.

Classificação

N S

2226 72

Dados

224 373

O percentual de casos de falha classificados corretamente pela nova árvore é 62,5%,

representando uma redução de 2,4% (9 casos) na classificação. Assim, a remoção das

variáveis

cod_tipo_fase

contabil

cod_classe_consumo

grupo_tensao_fornecimento

altitude

não influenciam no resultado de. A árvore gerada sem essas variáveis é muito

semelhante com a árvore da figura 2.21, sendo que nesta existem 9 níveis e 1114 folhas, uma

a menos do que a árvore original.

2.10 Pós-processamento

Na etapa de pós-processamento se faz a validação do modelo, eliminação de regras ou

mesmo reavaliação das etapas anteriores com outras técnicas de MD. Esta etapa depende do

conhecimento do especialista.

A validação do modelo pode ser feita através de diversas metodologias [62], porém em

todas se utiliza erro de generalização. Antes de explicar erro de generalização deve-se definir

alguns tipos de dados.

Os dados utilizados para a criação do modelo são chamados de dados de treinamento.

Os dados utilizados para determinar o erro de generalização são chamados de dados de

validação. Ambos os dados devem apresentar os valores das entradas e o valor da saída, i.e.,

estes dados devem ser históricos e testados por metodologia válida, que no caso dos

medidores de energia significa os dados da tabela

RESULTADOS

, que foram testados com

através da metodologia de ensaio de medidores de energia elétrica.

O método de validação hold-out é o método mais simples existente na literatura. Neste

método são utilizados os dados de treinamento e validação. O modelo é construído com os

dados de treinamento e depois as entradas dos dados de validação são aplicadas ao modelo. A

diferença entre a saída fornecida pelo modelo e o valor esperado da saída (fornecida pela

resposta dos dados de validação) é o erro de generalização. Para casos em que a resposta é

discreta, o erro de generalização é a quantidade de valores em que a saída do modelo

diferenciou da saída esperada, divida pela quantidade total de registros dos dados de

validação, em forma percentual.

O erro de generalização é o erro resultante da utilização do modelo em dados que não

foram utilizados para sua criação. Assim, o erro é uma medida de quão generalizado é o

modelo.

2.10.1 Modelo final

As técnicas de mineração de dados utilizadas possuem objetivos distintos. A regressão

stepwise determina as variáveis de entrada mais significativas na definição de uma equação

matemática que representa a saída. A árvore de decisão mantém em seus nós superiores as

variáveis que possibilitam a maior redução da quantidade de bits necessários para representar

a saída, ou seja, as variáveis mais significativas para classificar a saída.

Pensando que as variáveis mais significativas para representação da saída são aquelas

que possuem maior significância para a representação da saída através de uma equação e que

possuem maior capacidade classificativa, através da redução da quantidade de bits para a

classificação da saída. Estas variáveis são as que foram selecionadas por ambas as técnicas de

mineração de dados, sendo consideradas significativas tanto para problemas de classificação

quanto para problemas de regressão. As variáveis selecionadas por ambas as técnicas são:

subtipo_equip

instalacoes

dias_de_vida

cod_tipo_local

cod_localidade

cod_classe_principal

. Um modelo de classificação (árvores de decisão) utilizando

somente essas variáveis consegue classificar corretamente apenas 17,1% dos dados de falha.

Como o problema está mais para um problema de classificação do que um problema

de regressão pode-se acrescentar variáveis que foram selecionadas somente pela técnica de

classificação.

Acrescentando a variável

media

, que representa a quantidade de energia a que o

medidor está submetido, a classificação correta de medidores com falha aumentou para

43,9%. O mesmo estudo utilizando a variável

maximo

apresenta uma classificação correta de

43,7%.

A utilização de ambas as variáveis apresenta 56,4% de classificações corretas, o que

significa que as falhas nos medidores são melhores classificadas ora pela média do consumo

mensal e ora pelo máximo valor de consumo mensal. Sendo assim, a inclusão de ambas

variáveis é mais indicada para a construção do modelo.

A inserção da variável

temperatura

não altera a quantidade de casos de falha

classificados corretamente, portanto esta variável pode ser descartada.

Inserindo a variável

precipitacao

ao conjunto de dados a quantidade de

classificações corretas de equipamentos com falha aumentou para 61,1%. Já o uso da variável

ano_fabric

alterou de maneira pouco significativa a classificação. Com o uso de ambas as

variáveis se obtém o mesmo subconjunto obtido pela árvore de decisão.

As variáveis selecionadas para compor o modelo final são:

subtipo_equip

instalacoes

media

maximo

dias_de_vida

cod_tipo_local

cod_localidade

cod_classe_principal

precipitacao

2.11 Considerações finais

O processo de DCBD possibilita a descoberta de conhecimento previamente oculto

nas bases de dados da concessionária. É uma tarefa dispendiosa e subjetiva, estando às custas

do conhecimento do especialista e sua prática com várias técnicas para garantir a qualidade da

saída obtida. Cabe ao especialista decidir quais variáveis devem ser utilizadas no processo, as

técnicas utilizadas no pré-processamento, objetivos e técnicas utilizadas na mineração de

dados, além de decidir como o resultado será pós-processado.

O algoritmo de regressão stepwise apresentou baixa redução de RMSE, indicando a

baixa eficiência em se utilizar uma regressão linear para estimar uma variável de saída

discreta. Mesmo assim, a análise da variância apontou como variáveis significativas aquelas

selecionadas pelos três primeiros níveis da árvore de decisão, com exceção de

contabil

indicando que a metodologia específica para seleção de principais variáveis de regressão

linear consegue determinar algumas das principais variáveis para problemas onde a saída não

é uma função linear das entradas. Como sugestão pode-se utilizar uma regressão stepwise

onde os dados são ajustados através de uma regressão logística, técnica de regressão utilizada

para saídas discretas.

A árvore de decisão obtida ainda é muito complexa para ser utilizada como

metodologia de classificação dos medidores. A análise da árvore apresenta características

interessantes. No nó central, existe uma grande distinção entre os medidores com apenas uma

instalação e os demais, quase podendo-se afirmar que existe uma árvore própria para o caso

de primeira instalação. Isto se relaciona à distribuição dos dados nos valores de

instalacoes

para primeira instalação existem mais de 2000 casos com 30% destes de falha, para a segunda

instalação existem 380 casos com apenas 5% destes sendo de medidores com falhas. Para

terceira instalação a quantidade de casos é menor, e assim por diante.

A metodologia utilizada apresentou variáveis que classificaram, por meio de uma

árvore de decisão, mais de 50% dos casos. Cada variável escolhida pode ser relacionada com

a saída como segue:

• O modelo do equipamento (

subtipo_equip

) apresenta dados sobre a

característica construtiva do equipamento. Os equipamentos agrupados são do

mesmo fabricante e possuem características construtivas semelhantes. As

principais diferenças entre eles está no nível de tensão para o qual foram

projetados.

• A quantidade de instalações do equipamento (

instalacoes

) indica que este

passou por diversos padrões de consumo, e provavelmente teve um período

sem registros relacionado a troca de localidades. Esta variável não aparenta ser

a mais significativa, pois não indica como eram os padrões de consumo pelos

quais o medidor passou, somente apontando que ele foi utilizado em padrões

diferentes;

• O consumo médio (

media

) e máximo (

maximo

) na última UC apresenta

informações sobre o padrão de consumo ao qual o equipamento está

submetido.

• O tempo de permanência no último padrão é informado pela variável

dias_de_vida

• A variável

cod_tipo_local

informa se o local da última instalação é urbano

ou rural. A probabilidade das instalações elétricas em zonas rurais serem

atingidas por raio é maior, podendo danificar os equipamentos elétricos,

inclusive medidores de energia. Outras características típicas de instalações em

zona rural é a maior susceptibilidade à poeira e variações de temperatura

• A localidade (

cod_localidade

) em que o medidor se encontra não apresenta

uma relação específica com as falhas. Os dados de temperatura e altitude são

em relação à localidade do equipamento, porém essas variáveis não

apresentaram influência em nenhuma técnica. A localidade pode conter uma

relação com a qualidade de energia (e.g., harmônicos), probabilidade de raios,

ou mesmo fraude.

• A variável

cod_classe_principal

apresenta uma relação direta com a

quantidade de energia aferida pelo equipamento. Em unidades residenciais o

consumo é relativamente baixo, comparado com os consumidores industriais.

• Por último, a quantidade média de chuva (

precipitacao

) sobre a cabine de

medição pode ser um indicador de falhas nos equipamentos. Cabines de

medição sujeitas a uma quantidade maior de chuvas se degradam mais

rapidamente, dependendo da intensidade da chuva as vedações não são

suficientes, permitindo a entrada de água na cabine ou mesmo no interior do

medidor. Estas são considerações hipotéticas.

3 METODOLOGIA DE CÁLCULO DA PROBABILIDADE DE FALHA

DOS EQUIPAMENTOS

As variáveis para a determinação de falhas nos medidores eletromecânicos de energia

elétrica foram selecionadas no capítulo 2. Através delas é possível construir um modelo que

determine os estados dos medidores instalados no parque, apresentando a probabilidade de

falha associada a cada equipamento.

Um modelo estatístico é capaz de informar as condições dos equipamentos associando

a cada um deles a probabilidade de falha do equipamento, i.e., qual a probabilidade dele estar

funcionando com erros de medição fora da faixa permitida. A partir de um modelo estatístico

que contém as informações da probabilidade de falha de cada equipamento pode-se construir

um programa computacional que auxilie na tomada de decisões informando quais

equipamentos devem ser removidos do parque, selecionando os equipamentos com maior

probabilidade de falha como indicados à remoção.

Para a construção do modelo de probabilidade de falha os equipamentos são agrupados

em classes de acordo com a probabilidade de falha. Equipamentos com probabilidade de

falhas próximas são agrupados. O agrupamento possibilita generalizar o comportamento de

falha do equipamento, associando a este a probabilidade de falha da classe. Como resultado

tem-se um modelo com baixa susceptibilidade a ruídos (novos casos com probabilidade de

falhas divergente da classe) e de fácil visualização comportamental do parque.

A probabilidade de falha da classe é obtida através da divisão da quantidade de

equipamentos que possuem na saída a indicação de falha pela quantidade total de

equipamentos na classe. Por exemplo: em uma classe existem 87 equipamentos, 39

apresentam falha. A probabilidade de falha desta classe é definida como:

%82,44100

=× (3.1)

O modelo é dividido em duas etapas:

•

Na primeira etapa as variáveis de entrada são analisadas, determinando-se pesos

para cada faixa de valores delas;

• Na segunda etapa, os pesos de cada variável de entrada do medidor são somados

e arredondados inferiormente para um número múltiplo de dez, formando

grupos de valores (classes). A probabilidade de falha de cada uma dessas

classes determinará a probabilidade de falha final dos medidores pertencentes a

elas.

3.1 Determinação dos pesos das variáveis de entrada

De acordo com a metodologia de discretização do capítulo 2, as variáveis de entrada

contínuas tiveram seus valores discretizados em faixas. Para a primeira etapa de construção

do modelo, a quantidade de equipamentos em cada faixa de valores é analisada, comparando a

quantidade de equipamentos que apresentam saídas que indiquem falha dos equipamentos

com a quantidade total de equipamentos na mesma faixa. Assim, para cada faixa de valor

existente nas oito variáveis de entrada, é associada uma probabilidade de falha. Esta

probabilidade será denominada

peso

. Cada variável possui tantos valores de

peso

quantos

forem a quantidade de faixa de valores que ela possuir. Nos casos em que as variáveis de

entrada são discretas, os

pesos

são calculados para cada valor da variável.

As tabelas de 3.1 a 3.9 apresentam a probabilidade de falha dos equipamentos para

cada faixa de valores das variáveis

subtipo_equip

instalacoes

media

maximo

dias_de_vida

cod_tipo_local

cod_localidade

cod_classe_principal

precipitacao

, respectivamente.

Tabela 3.1 – Classificação da probabilidade de falha para a variável

subtipo_equip

Nº de

casos

peso

D58 378 35,98

D58C 1548 13,44

D8L 798 4,26

FV201 429 25,17

M1A 570 15,79

M8L 652 28,99

MFT120G 291 15,81

MV202 619 11,95

MY202 1005 3,68

PN5DG 427 11,71

T8L 274 14,23

Tabela 3.2 – Classificação da probabilidade de falha para a variável

instalacoes

Instalacoes

Nº de

casos

peso

1 6139 15,54

2 670 6,12

3 152 8,55

4 22 13,64

5 6 0,00

6 2 0,00

Tabela 3.3 – Classificação da probabilidade de falha para a variável

media

Nº de

casos

peso

0 <= valor < 100 1535 14,92

100 <= valor < 150 1487 14,86

150 <= valor < 200 1203 15,05

200 <= valor < 300 1311 12,89

300 <= valor < 600 989 13,75

valor >= 600 466 16,09

Tabela 3.4 – Classificação da probabilidade de falha para a variável

maximo

Nº de

casos

peso

0 <= valor < 150 1076 16,36

150 <= valor < 200 918 16,67

200 <= valor < 250 1056 14,68

250 <= valor < 320 1063 12,42

320 <= valor < 440 1059 13,69

440 <= valor < 800 1046 13,10

valor >= 800 773 14,62

Tabela 3.5 – Classificação da probabilidade de falha para a variável

dias_de_vida

Nº de

casos

peso

0 <= valor < 1600 1064 8,83

1600 <= valor < 2600 1068 9,64

2600 <= valor < 4000 977 14,64

4000 <= valor < 6100 1037 13,02

6100 <= valor < 7900 1040 22,12

7900 <= valor < 8800 922 22,23

8800 <= valor 883 11,44

Tabela 3.6 – Classificação da probabilidade de falha para a variável

cod_tipo_local

Nº de

casos

peso

RR 841 18,43

UB 6150 13,92

Tabela 3.7 – Classificação da probabilidade de falha para a variável

cod_localidade

Nº de

casos

peso

1 123 14,63

8 50 16,00

11 32 25,00

18 57 12,28

31 532 19,55

39 45 24,44

45 18 27,78

49 18 16,67

53 41 17,07

54 70 20,00

55 9 0,00

57 206 14,08

58 122 11,48

60 51 21,57

61 133 24,06

62 95 25,26

63 11 27,27

69 357 24,65

71 35 5,71

75 452 15,71

79 42 14,29

81 177 23,73

85 19 10,53

89 32 15,63

90 6 0,00

92 4 0,00

93 204 10,78

121 35 8,57

123 255 7,84

124 81 12,35

126 89 11,24

127 75 5,33

128 51 7,84

129 104 10,58

130 35 0,00

132 20 15,00

133 44 9,09

135 14 7,14

136 137 10,22

138 28 0,00

139 3 0,00

142 12 0,00

144 22 4,55

145 135 8,89

146 1 0,00

147 1 0,00

148 1 0,00

150 5 0,00

151 3 0,00

156 1 0,00

157 66 0,00

158 6 0,00

159 3 0,00

160 2 0,00

161 37 0,00

162 3 0,00

163 3 0,00

173 100 0,00

181 87 19,54

182 2 50,00

185 8 50,00

190 30 20,00

194 49 18,37

199 86 15,12

200 225 14,67

201 5 0,00

206 6 33,33

207 47 21,28

210 34 32,35

212 7 14,29

215 125 12,80

217 1 0,00

219 1 0,00

220 57 7,02

221 3 0,00

222 8 25,00

223 3 0,00

224 6 0,00

226 3 33,33

228 114 17,54

230 32 18,75

231 21 19,05

232 1 0,00

233 47 8,51

234 15 13,33

235 22 18,18

236 72 13,89

237 27 7,41

238 1 0,00

239 8 0,00

240 3 0,00

241 9 22,22

242 1 0,00

243 2 0,00

244 22 4,55

245 2 0,00

246 4 25,00

256 13 7,69

259 7 0,00

265 10 0,00

266 12 8,33

280 40 7,50

290 76 1,32

295 45 6,67

297 28 3,57

307 2 0,00

310 2 50,00

317 9 0,00

350 11 0,00

355 10 0,00

360 10 0,00

365 54 5,56

375 6 0,00

380 9 0,00

551 33 0,00

554 10 50,00

555 18 0,00

556 27 22,22

557 15 13,33

561 4 0,00

566 6 16,67

576 13 0,00

578 4 0,00

581 6 0,00

589 7 0,00

590 6 0,00

592 6 16,67

626 18 0,00

630 27 7,41

632 13 23,08

634 7 14,29

639 16 12,50

642 11 9,09

645 9 11,11

648 12 16,67

652 32 6,25

654 2 50,00

659 27 14,81

665 21 23,81

669 5 20,00

672 36 11,11

676 6 16,67

682 12 58,33

684 2 50,00

686 9 55,56

689 20 20,00

690 7 28,57

692 31 6,45

695 176 2,84

698 10 20,00

699 9 33,33

700 55 9,09

702 19 15,79

704 13 15,38

706 62 8,06

710 15 6,67

712 7 28,57

746 40 32,50

752 1 0,00

756 4 50,00

758 8 0,00

760 1 0,00

761 3 33,33

763 8 37,50

769 4 25,00

771 6 16,67

774 1 0,00

776 4 25,00

779 1 0,00

781 1 0,00

783 2 0,00

785 3 0,00

787 4 50,00

789 1 0,00

792 6 33,33

794 1 100,00

798 3 0,00

799 2 50,00

801 2 0,00

804 1 0,00

808 69 37,68

811 5 20,00

813 2 0,00

817 2 50,00

820 5 20,00

822 2 0,00

823 1 100,00

828 2 0,00

831 8 25,00

836 3 33,33

844 11 27,27

849 18 33,33

854 3 0,00

857 8 12,50

861 4 25,00

864 9 11,11

870 2 0,00

872 2 50,00

876 2 0,00

884 1 0,00

889 2 50,00

893 9 22,22

902 1 0,00

904 1 0,00

906 2 100,00

912 1 0,00

914 1 0,00

922 3 33,33

924 1 100,00

932 7 42,86

Tabela 3.8 – Classificação da probabilidade de falha para a variável

cod_classe_principal

Nº de

casos

peso

1 5474 14,01

2 113 21,24

3 735 11,43

4 558 20,79

5 85 18,82

6 10 20,00

7 14 7,14

8 2 50,00

Tabela 3.9 – Classificação da probabilidade de falha para a variável

precipitacao

Precipitação

Nº de

casos

peso

0 <= valor < 100 1240 17,58

100 <= valor < 104,4 1104 15,13

104,4 <= valor < 110 1054 12,05

110 <= valor < 112,2 1157 22,13

112,2 <= valor < 114 1031 12,71

114 <= valor < 148 895 10,17

valor >= 148 510 4,12

3.2 Criação das classes finais

A segunda etapa do modelo consiste em determinar as classes finais aos quais os

medidores devem pertencer.

Essas classes são determinados analisando os

pesos

que os medidores receberam em

cada variável de entrada. Uma vez determinado o

peso

de todas as variáveis, eles devem ser

somados e o valor final aproximado para o número inteiro inferior mais próximo múltiplo de

dez. A tabela 3.10 apresenta a determinação do grupo de risco de um medidor exemplo.

Tabela 3.10 – Exemplo de determinação do grupo de risco de um medidor.

Variável Faixa Peso

subtipo_equip PN5DG 11,71

instalacoes 1 15,54

media 0<= valor < 100 14,92

maximo 0 <= valor < 150 16,36

dias_de_vida 1600 <= valor < 2600 9,64

cod_tipo_local UB 13,92

cod_localidade 215 12,80

cod_classe_principal 1 14,01

precipitacao 0 <= valor < 100 17,58

TOTAL

126,48

APROXIMAÇÃO

120

Com todos os medidores devidamente agrupados, calcula-se a probabilidade de falha

de cada classe, através da divisão da quantidade de equipamentos que apresentam uma saída

indicando falha pela quantidade total de equipamentos da classe. Esta também será a

probabilidade de falha de cada equipamento pertencente à classe. A tabela 3.11 apresenta as

classes finais, a probabilidade de falha dos mesmos e a quantidade de equipamentos em cada

classe.

Tabela 3.11 – Modelo final para determinação de probabilidade de falha nos medidores.

Classe

Nº de

casos

Probabilidade

de falha

70 10 0,00%

80 86 1,16%

90 375 1,87%

100 780 4,23%

110 934 5,35%

120 1453 8,33%

130 1323 14,74%

140 747 19,14 %

150 581 32,01%

160 425 35,53%

170 224 40,63%

180 40 55,00%

190 8 75,00%

210 1 100,00%

220 4 100,00%

3.3 Minimização de erros

Com o passar do tempo, a probabilidade de falha real dos medidores será diferente da

probabilidade apresentada pelo modelo. Isto ocorre porque, devido à complexidade do

problema, a modelação não é ideal.

O modelo não utiliza todas as variáveis que contribuem para os erros de medição,

somente as que mais influenciam no processo de determinação dos erros. Além disso,

variáveis que não apresentam influencia direta sobre os erros de medição, como

cod_localidade

subtipo_equip

, não possuem uma probabilidade de falha constante com

o tempo. Uma localidade não é a causadora direta de falha na medição, estando a falha

associada a um comportamento específico existente na localidade, ainda não determinado. Por

exemplo: considerando que o método de construção dos painéis/caixas/cubículos de medição

seja uma característica de influencia nos erros de medição: em uma localidade, 40% dos

painéis/caixas/cubículos que estavam fora das padronizações foram reformados para um

modelo de acordo com as normas atuais, como consequência, espera-se que nesta localidade a

probabilidade de falha se torne menor.

Uma solução é periodicamente adicionar novos dados de ensaios e ajustar a

probabilidade de falha das classes em função destes. Não é desejável que ocorra uma

evolução do modelo, i.e., não se deseja que os pesos das variáveis de entrada sejam

recalculados, o que resultaria em classes de medidores com mesmo valor das classes atuais

porém compostas por equipamentos com características divergentes das atuais, ou seja,

resultando em um novo modelo. A metodologia de evolução do modelo parece ser a mais

indicada para a adequação aos erros dos parâmetros, mas a alteração das classes de medidores

impede a análise da variação da probabilidade de falha da saída do modelo com a inserção dos

novos dados.

A inserção de novos dados deve ser utilizada para ajustar os valores das

probabilidades de falhas das classes de medidores. Para cada conjunto de novos dados de

ensaio, eles devem ser agrupados de acordo com a metodologia proposta anteriormente,

utilizando os valores apresentados nas tabelas de 3.1 a 3.9. Uma vez agrupados, a

probabilidade de falha deve ser obtida analisando somente os novos dados. O modelo deve ser

reajustado utilizando esses novos dados de probabilidade de falha e os dados existentes na

tabela 3.10. Os novos valores de probabilidade de falha são obtidos através da regressão via

kernel.

3.3.1 Regressão via kernel

Para explicar a regressão via kernel, será realizada uma revisão sobre regressão.

Utilizando a convenção adotada no capítulo 2, uma regressão pode ser expressa da

seguinte forma:

)(XgY (3.2)

Isto significa que a saída é uma função da entrada, acrescida de um erro

As regressões podem ser classificadas em dois tipos, paramétricas e não-paramétricas.

Em [63] é apresentada a diferença entre ambas: Entende-se que um modelo paramétrico

assume que g(X) é uma função desconhecida num número finito de parâmetros, e nosso

trabalho é estimar os parâmetros desconhecidos, por exemplo por mínimos quadrados. Em um

modelo não-paramétrico a relação funcional entre as duas variáveis vive num espaço de

funções muito mais amplo: assumimos apenas que g(X) está num espaço de funções seguindo

algumas restrições convenientes e buscamos uma combinação linear de funções desse espaço

que aproximem bem de g(X).

A regressão via kernel é uma técnica não paramétrica onde as estimações são

realizadas utilizando os dados de treinamento. Ela basicamente realiza uma média ponderada

dos valores de saída, utilizando uma função kernel para determinar o valor dos pesos da

ponderação. Em uma média sem ponderação, o valor de saída é obtido por:

∑

(3.3)

Em uma média ponderada, para cada valor de saída dos dados de treinamento é

adicionado um peso

, ajustando suas contribuições para determinação do ponto de saída

desejado. A média ponderada é apresentada na equação 3.4.

∑

⋅

(3.4)

A distância ponderada é uma técnica de regressão baseada na média ponderada. Para

determinação dos pesos a técnica utiliza uma modificação da medida de distância entre o

ponto de entrada do dado que se deseja determinar,

, e os pontos de entrada dos dados de

treinamento. Existem várias fórmulas de distância, mas geralmente utiliza-se a distância

Euclidiana, apresentada na equação 3.3. Para a regressão ponderada utiliza-se o inverso da

distância Euclidiana.

( ) ( )

qxqxd

−=

(3.3)

A regressão kernel é semelhante a regressão de distância ponderada, mas ao invés de

utilizar o inverso da distância, aplica-se uma função kernel sobre a medida de distância.

Existem vários tipos de função kernel, mas neste trabalho utilizaremos a função kernel

normal, também conhecida como gaussiana. A equação de uma função kernel gaussiana

genérica é apresentada na equação 3.4. Os pontos que estiverem mais próximos de

receberão um peso maior enquanto que os pontos mais distantes receberão um peso menor,

influenciando menos na determinação do valor de saída.

( )( )

(

)













−⋅=

exp

σπ

qxd

qxdK

(3.4)

A função kernel gaussiana genérica apresenta um parâmetro adicional,

, denominado

largura de banda

. Este parâmetro altera a variância da função kernel. Em termos práticos,

isto significa alterar o tamanho do espaço de pontos significativos na determinação da

resposta local: um valor elevado de

aumenta o espaço de pontos que influenciam na resposta

de forma significativa, fazendo com que o resultado da regressão seja suave em todo o

espectro; um valor muito pequeno de

diminui o espaço de pontos que influenciam na

resposta de maneira significativa, adequando-se a regressão muito bem aos dados de

treinamento, porém, também aos ruídos.

No trabalho de Galotto [24] são apresentados os efeitos do uso de valores de

elevado

e pequeno. Aqui são apresentadas duas imagens do trabalho, uma para o caso de

largura de

banda

com valor pequeno e outro com valor elevado. Ambas as imagens são apresentadas na

figura 3.1. Os dados de treinamento estão indicados por ×, a curva vermelha representa a

resposta da regressão kernel e a curva em verde é a representação da função kernel gaussiana

genérica.

(a) (b)

Figura 3.1 – Efeito de σ sobre a regressão kernel. a) Resultado para σ pequeno. b) Resultado para σ

elevado. Fonte: [24]

Pela figura se observa como

altera a função kernel e, consequentemente, a resposta

da regressão. O ideal é que o valor de

seja suficientemente elevado para não estar sujeito a

ruídos, porém, seja suficientemente pequeno ao ponto de manter uma forma de onda próxima

a real.

3.3.2 Peso inicial

Após a inserção de novos dados ao modelo, estes apresentarão novas probabilidades

de falha para as classes, inclusive podendo apresentar probabilidades de falhas para classes

que não estavam presentes no modelo original. A regressão kernel é utilizada para ajustar

novos valores de probabilidade de falha, sendo que os novos pontos possuem influência tanto

do modelo original quanto dos novos dados inseridos.

Para melhorar a resposta da regressão kernel um novo parâmetro, denominado

peso

inicial

, foi criado. O

peso inicial

define a quantidade de vezes que os dados do modelo

original serão repetidos no conjunto de dados de treinamento. Isto permite definir qual a

importância do modelo original sobre os novos dados: um valor de

peso inicial

nulo

representa que os dados originais possuem o mesmo peso que os novos dados na

determinação da regressão. Um valor unitário indica que os dados originais possuem o dobro

de importância em relação aos dados novos na determinação da resposta da regressão. A

figura 3.2 apresenta um exemplo da influência do

peso inicial

na determinação de um

novo modelo. Os pontos verdes representam os dados iniciais, os pontos vermelhos os novos

dados e a curva em azul é a resposta da regressão kernel.

(a) (b)

Figura 3.2 – Efeito do

peso inicial

sobre a resposta da regressão kernel. a) Com

peso inicial = 0

. b)

Com

peso inicial = 1

Quando o

peso inicial

é nulo a regressão se localiza aproximadamente na metade

da distância entre os pontos do modelo original e os novos dados, quando o valor de

peso

inicial

é unitário a resposta da regressão kernel se aproxima dos dados originais.

3.4 Considerações finais

Neste capítulo, as variáveis obtidas como mais significativas para determinação de

erros nos medidores eletromecânicos de energia ativa foram utilizadas na construção de um

modelo de determinação de probabilidade de falhas. O modelo permite determinar grupos de

medidores com características de falhas semelhantes, e associar a cada grupo uma

probabilidade de ocorrência de falha, podendo ser utilizado para estimar a situação de uma

diversidade de equipamentos de medição instalados no parque de medição.

A técnica utilizada permite que a classificação seja realizada por meio de tabelas, onde

para cada resposta o equipamento recebe um peso. A classe do equipamento é dada em função

da soma e arredondamento desses pesos, o que torna o tempo de agrupamento um valor fixo,

ao contrário de uma árvore de decisão que pode classificar um equipamento utilizando apenas

uma variável e outro utilizando todas as variáveis.

Pela metodologia, a menor classe que se pode obter é 60 e a maior 300. Considerando

que todas as classes nesse intervalo existam, a metodologia pode classificar um equipamento

em uma das 25 classes existentes.

Como as classes não podem se alterar com o tempo, mesmo que a probabilidade de

falha associada a cada variável de entrada (e.g., localidade) se altere, a utilização de uma

metodologia de minimização de erro da resposta da probabilidade de falhas das classes é

necessária. A regressão kernel se mostra adequada ao problema apresentado, traçando a curva

que melhor se ajusta aos pontos para a largura de banda selecionada.

100

4 APLICATIVO EM PLATAFORMA AMIGÁVEL

Este capítulo apresenta a interface desenvolvida para análise da probabilidade de falha

dos medidores de energia.

O aplicativo foi desenvolvido utilizando a linguagem de programação Delphi. Para o

armazenamento dos dados foi utilizado o banco de dados MySQL.

O aplicativo foi desenvolvido de forma que o banco de dados é iniciado juntamente

com a aplicação e finalizado com a mesma, não sobrecarregando o sistema.

Serão apresentadas todas as funcionalidades, aqui descritas:

• Importação de dados com informações dos medidores instalados no parque;

• Importação de dados de ensaio de medidores;

• Criar novos modelos através dos dados de ensaios.

• Visualização da probabilidade de falha dos medidores instalados no parque;

• Sistema especialista para amostragens de medidores com maior probabilidade

de falha;

• Impressão de relatórios.

4.1 Tela inicial

O aplicativo recebeu o nome WhFailure. A tela inicial do programa é apresentada na

figura 4.1.

101

Figura 4.1 – Tela inicial do aplicativo.

Todas as interfaces do programa são confinadas dentro deste espaço.

4.2 Importação

O aplicativo WhFailure possui uma interface específica para a realização de

importações de dados relacionados com a constituição física e cronológica do parque de

medidores de energia elétrica instalados em todas a áreas da concessionária, bem como os

dados de consumo registrados pelos medidores durante um período de tempo estipulado (5

anos). Além disso, o aplicativo também possibilita a importação de dados relacionados com

resultados experimentais realizados em uma população de unidades medidoras para avaliação

de falhas nas mesmas.

O processo de importação é auxiliado por dois assistentes de importação: um

responsável pelo auxílio na importação de dados relacionados com o parque e o consumo das

unidades medidoras, e outro referente à importação de dados relacionados com ensaios de

teste de falha de operação de medidores. A figura 4.2 apresenta o menu de importação.

102

Figura 4.2 – Menu de importação.

4.2.1 Importação de dados do parque e de consumo dos medidores

O WhFailure, a partir do item

Arquivos Parque e Consumo

do menu

Importação

possibilita a importação de dados relacionados com a constituição física e cronológica do

parque de medidores de energia elétrica tipo indução instalados em toda a área de abrangência

das regionais, bem como os dados de consumo registrados pelos mesmos durante um período

de tempo de 5 anos. Os dados são importados simultaneamente a partir de dois arquivos no

formato

.csv

, denominados de

uc_medidor.csv

(dados do parque de medidores) e

med_cons.csv

(dados de consumo), e devem respeitar uma padronização de formatação.

O formato comma-separated values (csv) define que os campos sejam separados por

vírgula e que cada valor seja encapsulado por aspas.

O arquivo

uc_medidor.csv

deve ser gerado pela concessionária, contendo os

registros com informações dos equipamentos instalados no parque de medição a serem

importados pelo WhFailure, obedecendo a formatação e a ordem apresentada na Tabela 4.1.

Tabela 4.1 - Formatação padrão para geração do arquivo

“uc_medidor.csv”

Variável Tipo Tamanho máximo

inteiro 4294967295

cod_tipo_fase

texto 2

cod_situacao

texto 2

cod_tipo_local

texto 2

cod_localidade

inteiro 65535

tipo_equip

texto 2

num_equip

texto 10

cod_tipo_espec

texto 3

data_inst_equip

data —

data_retirada_equip

data —

subtipo_equip

texto 10

contabil

texto 3

cod_classe_principal

inteiro 255

103

Uma variável adicional do banco de dados (

cod_situacao

) é utilizada pelo aplicativo.

A função da variável é indicar se a unidade consumidora está energizada, i.e., se está

ocorrendo a medição e faturamento. O uso desta garante que após o processo de importação,

somente as unidades consumidoras com medidores em uso serão analisadas.

O arquivo

med_cons.csv

deve conter os registros de consumo das unidades

consumidoras a serem importados pelo WhFailure, obedecendo a formatação e ordem

mostrada na tabela 4.2.

Tabela 4.2 - Formatação padrão para geração do arquivo

“med_cons.csv”

Variável Tipo Tamanho máximo

conta

inteiro 4294967295

leitura_1

real 9999999,9

leitura_2

real 9999999,9

leitura_3

real 9999999,9

… … …

leitura_60

real 9999999,9

data_ultima_leitura

data —

A variável

data_ultima_leitura

indica a data em que ocorreu o último registro de

leitura da UC,

leitura_60

. O arquivo deve conter as informações de consumo dos últimos

cinco anos da UC, terminando no mês apresentado pela data de última leitura. A figura 4.3

apresenta a primeira tela do assistente de importação dos dados de parque e consumo.

Figura 4.3 – Assistente de importação de dados de parque e consumo.

104

O programa permite importar vários dados de parque e consumo distintos. Com essa

característica é possível caminhar historicamente pelas várias situações de parque de

medidores instalados no aplicativo. Este originalmente contém a situação do parque de

medidores em julho de 2008, período em que foram recebidos os dados.

Para que o usuário final tenha um controle sobre cada importação realizada, uma tela

semelhante a da figura 4.4 é apresentada ao usuário antes de iniciar a importação dos dados. O

preenchimento dos campos permite identificar qual o nome do usuário que realizou a

importação, a data de importação, o período de referência do parque de medidores e pode-se

adicionar um nome a este conjunto de dados.

Figura 4.4 – Tela de informações adicionais sobre a importação.

A última tela do assistente contém uma barra de progresso da importação informando

em qual etapa da importação o aplicativo está. Durante a importação são realizadas as

filtragens dos dados e obtenção dos demais campos necessários. O processo de obtenção

desses dados é semelhante ao apresentado na seção de integração de dados do capítulo 2, em

especial a figura 2.5. O último estágio do assistente de importação dos dados com

informações do parque e consumo é apresentado na figura 4.5.

105

Figura 4.5 – Último estágio do assistente de importação dos registros com dados de parque e consumo.

4.2.2 Importação dos dados de ensaio

A partir do item

Arquivo Ensaio

do menu

Importação

o aplicativo possibilita a

importação de dados relacionados com ensaios de teste de falha de operação de medidores.

Os dados são importados a partir de um arquivo no formato de planilha Excel (

.xls

O arquivo deve obedecer a uma padronização de formatação específica, conforme exemplo

apresentado na tabela 4.3: a primeira coluna deve conter o número de identificação do

equipamento (

num_equip

); na segunda coluna deve ser apresentado o resultado do ensaio

dielétrico; as terceira, quarta e quinta colunas devem apresentar o erro percentual obtido para

os ensaios nominal, carga indutiva e carga pequena, respectivamente; a sexta coluna deve

conter a resposta de falha do medidor, valor

“0”

indica que não existe falha no equipamento e

valor

“1”

indica que existe falha.

Tabela 4.3 – Exemplo de planilha para importação de dados de ensaio.

Número do

equipamento

Teste dielétrico

Carga

nominal

Carga

indutiva

Carga

pequena

Falha

M02139380 APROVADO 0,844 0,497 0,053 0

M0223662 APROVADO -1,888 -7,857 -125,900 1

M0221813 APROVADO 1,555 0,488 4,386 1

M0238445 REPROVADO 1

106

O preenchimento manual da sexta coluna permite ao usuário modificar a forma como

é definida a falha dos medidores. Para este trabalho, o medidor recebe a notação de falha

quando:

• O equipamento foi reprovado no teste dielétrico;

• O módulo do erro percentual de algum ensaio com carga foi superior a 3%.

O processo de importação armazena algumas informações resumidas sobre os

medidores, como subtipo de equipamento importado e quantidade de registros. Estas

informações não alteram o funcionamento da metodologia, tendo característica apenas

descritiva. Para que o aplicativo registre corretamente as descrições dos dados por subtipo,

deve-se utilizar o recurso de abas do Excel. Cada aba deve conter registros referentes a um

subtipo, cujo nome deve estar presente na aba correspondente, conforme apresentado na

figura 4.6. A figura 4.7 apresenta a primeira tela do assistente de importação de dados de

ensaio.

Figura 4.6 – Exemplo de arquivo de ensaio com preenchimento de abas.

107

Figura 4.7 – Assistente de importação de dados de ensaio.

O programa armazena todas as importações de dados de ensaio em disco, permitindo

que vários modelos de probabilidade de falha sejam realizados rapidamente. Para que haja um

controle por parte do usuário sobre os ensaios, os mesmos campos da figura 4.4 são

apresentados pelo assistente de importação de ensaios.

Para a utilização dos dados de ensaio para ajuste da probabilidade de falha dos grupos

de medidores são necessárias as informações das demais categorias da metodologia do

capítulo 3. Essas informações não estão presentes nos arquivos de ensaio sendo necessário

realizar a interligação dos registros de ensaio com os demais dados da metodologia, i.e., a

interligação com os registros de situação de instalação e de consumo presentes na base de

dados de parque e consumo. Para que este processo de importação possua uma melhor

eficiência, estas duas bases de dados devem possuir a mesma referência de tempo ou a mais

próxima possível. Durante a importação dos dados de ensaio é questionado ao usuário qual a

base de dados de parque e consumo existente no aplicativo que deve ser utilizada para

obtenção dos demais campos necessários. O nome do banco de dados de parque e consumo

que acompanha o aplicativo é

“Base Inicial”

. A figura 4.8 apresenta a tela de escolha da

base de parque e consumo durante a importação dos dados de ensaio.

108

Figura 4.8 – Escolha da base de dados de parque e consumo durante a importação de dados de ensaio.

Por fim, os dados importados nos arquivos de ensaios poderão ser utilizados para

ajustar os valores da probabilidade de falha, utilizando o assistente de Inteligência Artificial

através do item

Criar novo modelo utilizando IA

do menu

Análise de

Probabilidade de Falhas

. A figura 4.9 apresenta o último estágio da importação dos dados

de ensaios.

Figura 4.9 – Último estágio da importação de dados de ensaio.

109

4.3 Análise de probabilidade de falhas

O aplicativo apresenta uma interface para a realização de consultas de probabilidade

de falhas dos equipamentos. A consulta é realizada através de uma configuração de caso

através da seleção de um conjunto de modelos de medidores, regionais, consumo e escala de

probabilidade de falha. A consulta é acessada pelo item

Efetuar análise

do menu

Análise

de Probabilidade de Falhas

, conforme apresentado na figura 4.10.

Figura 4.10 – Menu de análise de probabilidade de falhas.

Outra funcionalidade acessada por meio deste menu é a criação de novos modelos de

probabilidade de falhas, utilizando a metodologia de correção da probabilidade de falhas

apresentada no capítulo anterior.

4.3.1 Efetuar análise

Nesta interface é possível observar a estratificação da probabilidade de falhas do

resultado da análise através de histogramas, tabelas e, utilizando recursos gráficos de

plotagem, a situação dos medidores de energia agrupados por localidade em um mapa. Além

disso, é possível a emissão de relatórios das análises efetuadas no formato de planilhas

eletrônicas do Excel.

A Figura 4.11 apresenta a visão geral da interface de análise de probabilidade de

falhas.

110

Figura 4.11 – Interface de análise de probabilidade de falhas.

A interface é dividida basicamente em cinco regiões:

• Bases e modelos utilizados na análise: apresenta o nome da importação de

dados de parque e consumo utilizado para a análise, bem como o nome da

atualização do modelo que descreve o comportamento da probabilidade de

falha dos equipamentos;

• Legendas para as escalas de probabilidade de falhas;

• Filtros: devem ser preenchidos antes da consulta. Apresentam os critérios de

consulta de equipamentos. Pode-se utilizar como critérios as regionais da

concessionária de energia, o modelo agrupado do equipamento, definir faixas

de consumo médio mensal, limitar a busca por zona rural ou urbana, limitar a

busca por número de fases dos equipamentos e limitar os resultados por escalas

de probabilidade de falhas;

• Visualização gráfica: apresenta o resultado da consulta dos equipamentos

utilizando histogramas e mapas;

• Visualização textual: apresenta o resultado da consulta dos equipamentos em

forma de tabelas;

A tabela 4.4 apresenta as escalas de probabilidade de falhas utilizadas no aplicativo.

111

Tabela 4.4 – Escalas de probabilidade de falhas utilizada no aplicativo.

Faixa de

probabilidade

de falha

Nome Cor

0% a 15% Compatível Verde escuro

15% a 35% Compatível 2 Verde claro

35% a 50% Alerta 1 Amarelo

50% a 75% Alerta 2 Laranja

75% a 85% Alerta 3 Vermelho

85% a 100% Crítico Roxo

A seção de filtros é definida como a área ativa da tela, pois o usuário é obrigado a

interagir com ela para realizar a consulta. O usuário deve escolher, pelo menos, quais modelos

de medidores devem ser avaliados. A figura 4.12 apresenta uma vista explodida da seção de

filtros.

Figura 4.12 – Abas da seção de filtros da interface de análise de probabilidade de falhas.

A informação de consumo só deve ser preenchida caso se deseje limitar uma

quantidade mínima e/ou máxima de consumo médio mensal.

Uma vez realizada a consulta, a área gráfica apresentará um histograma da distribuição

dos medidores nas escalas de probabilidade de falhas e um mapa do parque da concessionária

de energia, com informações sobre a quantidade de medidores em cada escala de

probabilidade de falhas por cada localidade. As figuras 4.13 e 4.14 apresentam,

respectivamente, o histograma e o mapa da interface de análise de probabilidade de falhas.

112

Figura 4.13 – Histograma da interface de análise de probabilidade de falhas.

Figura 4.14 – Mapa de distribuição da probabilidade de falhas em cada escala por localidade.

A área textual apresentará dois tipos de tabelas, uma com dados resumidos e outra

com dados detalhados. A tabela com dados resumidos apresentará um agrupamento de

113

informações, apresentando o modelo agrupado, a localidade, a escala de probabilidade e como

última informação a quantidade de equipamentos. A figura 4.15 apresenta uma imagem da

tabela resumida. Ao lado desta tabela existe um informativo sobre a distribuição dos

equipamentos nas escalas de probabilidade de falhas.

A tabela detalhada apresenta a informação por equipamento. A tabela contém a

identificação do equipamento, modelo agrupado, quantidade de fases, tipo de local,

localidade, quantidade de instalações do equipamento, consumo médio mensal e escala de

probabilidade de falha. A figura 4.16 apresenta uma imagem desta tabela. Como a quantidade

de resultados pode ser muito elevada, limitou-se a quantidade de registros para 1000,

adicionando-se uma barra de navegação superior.

Figura 4.15 – Tabela resumida para análise da probabilidade de falhas.

Figura 4.16 – Tabela detalhada para análise da probabilidade de falhas.

114

A interface de análise de probabilidade de falhas possibilita a emissão de dois tipos de

relatórios após a execução da consulta, um relatório resumido e um relatório detalhado.

Basicamente, esses relatórios são as tabelas de mesmo nome apresentadas na interface. Eles

são gerados no programa Excel, e contêm um cabeçalho com os critérios de pesquisa para a

obtenção das análises (configuração dos filtros). O relatório resumido apresenta exatamente as

informações da tabela resumida, já o relatório detalhado apresenta todas as informações da

tabela detalhada acrescida da informação das datas da primeira instalação e da última

instalação do equipamento. Na figura 4.17 se pode observar o cabeçalho de um relatório

resumido.

Figura 4.17 – Cabeçalho de um relatório resumido.

4.3.2 Criar novo modelo utilizando IA

O WhFailure permite a criação de novos modelos de probabilidade de falhas

atualizando a probabilidade de falha de modelos anteriores com os dados obtidos de algum

arquivo de ensaio. A interface de criação de novos modelos permite salvar o novo modelo

115

gerado, dando-lhe um nome específico, ou apenas visualizar a alteração da probabilidade de

falha com os novos dados.

O processo de criação de um novo modelo é efetuado através de um assistente

acessado pelo item

Criar novo modelo utilizando IA

do menu

Análise de

probabilidade de falhas

A Figura 4.18 apresenta a tela inicial do assistente. Neste primeiro passo de geração de

um novo modelo de probabilidade de falhas, também denominado modelo de risco, deve-se

selecionar dentro das bases de dados disponíveis o modelo de risco a partir do qual será

realizado o ajuste das probabilidades de falhas, e o conjunto de dados de ensaios a ser

utilizado para a regressão. O modelo original do aplicativo é denominado

“Categoria

Original”

. Na tela são apresentadas várias informações sobre a criação dos dados, como o

nome do usuário, a data de criação, o período de referência dos dados e outras informações

específicas: para os modelos de risco as informações dos modelos anteriores e ensaios

utilizados; para os dados de ensaio as informações sobre a localização do arquivo de

importação e a quantidade de dados importados ordenados por modelo.

Figura 4.18 – Assistente de geração de modelo de probabilidade de falhas.

116

Após a seleção das bases de dados desejadas, o assistente apresenta uma interface de

ajuste de parâmetros da regressão e um gráfico com a resposta do modelo, conforme figura

4.19. No gráfico, os valores em verde representam a resposta do modelo de risco utilizado, os

valores em vermelho representam as probabilidades de falhas obtidas a partir dos dados de

ensaio e a curva em azul representa a curva que descreve as novas probabilidades de falhas.

Figura 4.19 – Visualização do ajuste das probabilidades de falhas para os novos dados de ensaio.

Além de possibilitar a simulação da curva de probabilidade de falhas para diversos

valores de

peso inicial

largura de banda

é possível salvar a resposta da regressão

como um novo modelo, preenchendo-se as informações de usuário responsável pela criação e

acrescentando um nome para o modelo.

117

4.4 Configurações

A interface de configurações possibilita selecionar qual a base de dados obtida pela

importação dos arquivos de parque e consumo será utilizada para análises e amostragens,

além da seleção de um modelo de probabilidade de falha dentre o modelo inicial e os novos

modelos criados através do assistente de criação de novos modelos. A interface é acessada

através do item

Bases de dados ativas

do menu

Configurações

, conforme figura 4.20.

Figura 4.20: Menu de configurações.

O aplicativo WhFailure permite a existência de diferentes configurações de dados

registradas para as análises, entretanto apenas um conjunto de dados de parque e consumo e

um modelo de probabilidade de falha são considerados ativos para efetuar as análises e

amostragens. Este fato possibilita um grau de flexibilidade elevado, permitindo a utilização de

diversas probabilidades de falhas para analisar um mesmo conjunto de dados, ou vice-versa.

A figura 4.21 apresenta a interface de configuração do aplicativo.

118

Figura 4.21 – Interface de configuração da imagem do parque e modelo de probabilidade de falhas

selecionados.

A interface apresenta as informações sobre as bases de dados e modelos, como usuário

responsável, data de criação ou importação, etc. Destes, talvez o campo mais importante é o

período de referência, que deve ser igual ou próximo para ambas as seleções, de modo a

aumentar a eficiência do algoritmo.

4.5 Sistema especialista para amostragens

O aplicativo apresenta uma interface para a realização de amostragens de medidores,

selecionando aqueles que apresentam maior probabilidade de falha. A ferramenta emite

relatórios em formato de planilha eletrônica do Excel que apresentam informações sobre a

localização dos equipamentos selecionados. A interface para escolha da quantidade de

equipamentos a serem amostrados e criação dos resultados é acessada pelo item

Nova

amostragem

do menu

Sistema Especialista

. As amostragens previamente realizadas são

119

salvas no aplicativo para futuras reimpressões e são disponibilizadas através do item

Gerenciar amostragens

no mesmo menu, conforme figura 4.22.

Figura 4.22 – Menu do sistema especialista para amostragens.

A interface para realização de amostragens de medidores de energia elétrica é

apresentada na figura 4.23. A amostragem é realizada sobre o banco de dados de parque e

consumo selecionado ativo na interface de configuração utilizando o modelo de probabilidade

de falha também selecionado como ativo na mesma interface.

O lado direito da interface apresenta duas tabelas. Elas possuem três colunas contendo,

respectivamente, os grupos finais em utilização, a quantidade de equipamentos pertencente ao

grupo, e o valor da probabilidade de falha associado ao grupo. A tabela no extremo direito

apresenta os dados para o modelo selecionado na interface de configuração e a tabela à

esquerda desta apresenta os dados para o modelo que acompanha o aplicativo. Assim, é

possível visualizar a diferença entre a probabilidade de falha atual e a probabilidade de falha

original. A parte superior esquerda apresenta campos cujo preenchimento são obrigatórios

para geração das amostragens (nome da amostragem e o usuário responsável) além de

apresentar informações sobre os dados e modelo utilizados.

120

Figura 4.23 – Interface de amostragem de equipamentos.

Na parte inferior esquerda da interface existem três campos que determinam a

quantidade de equipamentos que devem compor o relatório. O primeiro campo,

total a

amostrar

, define o tamanho da amostra, o segundo campo,

amostra dirigida

, define

quantos equipamentos serão selecionados considerando a probabilidade de falhas associada, o

terceiro campo,

amostra aleatória

, determina quantos equipamentos devem ser

selecionados aleatoriamente. A seleção aleatória é importante para a metodologia, pois esses

dados devem ser inseridos novamente no aplicativo após ensaio, atualizando as

probabilidades de falhas. A quantidade de equipamentos de

amostra dirigida

deve ser

superior a 50% e inferior a 80% da quantidade total de equipamentos, garantindo que sempre

exista uma parcela de dados de ensaio obtidos de forma aleatória para realimentação do

aplicativo e melhoria da probabilidade de falha do modelo.

Uma funcionalidade importante da ferramenta é a possibilidade de simular a

acertividade esperada de uma amostragem, i.e., a quantidade percentual de equipamentos que

devem apresentar falha. Na figura 4.24 é apresentado um exemplo de simulação da

acertividade esperada. A acertividade é apresentada em três partes: a acertividade da amostra,

a acertividade da parte dirigida e a acertividade da parte aleatória. Por último é apresentada a

acertividade esperada da parte dirigida utilizando os valores originais de probabilidade de

falhas.

121

Figura 4.24 – Exemplo de simulação da acertividade esperada.

Uma vez preenchidos os campos obrigatórios para a amostragem, e ao término do

processo de amostragem o relatório estará disponível para impressão no item

Gerenciar

amostragens

do menu

Sistema Especialista

. Também será questionado ao usuário, após

o processo de cálculo, se ele deseja emitir o relatório.

A interface de gerenciamento de amostragens apresentada na figura 4.25 contém uma

lista com os nomes de todas as amostragens já realizadas. Uma vez selecionada a amostragem

é possível visualizar informações sobre o usuário responsável, data de criação e informações

sobre o tamanho da amostra e acertividade esperada.

Figura 4.25 – Interface de gerenciamento de amostragens.

122

O relatório é emitido utilizando uma planilha eletrônica do Excel. No cabeçalho são

apresentadas todas as informações sobre a amostragem. Os campos do relatório apresentam o

número de identificação do equipamento, o modelo agrupado, a quantidade de fases, o tipo de

local, o município e a unidade consumidora em que está instalado. A figura 4.26 apresenta um

exemplo de relatório de amostragem.

Figura 4.26 – Exemplo de relatório de amostragem de medidores.

4.6 Considerações finais

O aplicativo apresentado neste capítulo permite aplicar facilmente a metodologia do

capítulo 3 em um conjunto de medidores. As diversas ferramentas, como importação de dados

de parque e consumo de medidores, visualização de resultados, emissão de relatórios e

sistema especialista, permitem uma facilidade para aplicação da metodologia sobre qualquer

conjunto de dados desejado, gerando relatórios para reuniões com os equipamentos mais

indicados para aferição, de acordo com a probabilidade de falha.

A interface de análise de probabilidade de falha permite a visualização dos estados dos

equipamentos, permitindo analisar um tipo específico de equipamento, uma gama de

equipamentos que obedecem a determinados critérios de seleção ou mesmo todo o parque de

medidores. Com a interface de atualização da probabilidade de falhas, novos dados de ensaio

são facilmente incorporados ao modelo, ajustando a probabilidade de falhas.

123

O aplicativo está voltado para utilização pela concessionária de energia, a qual é a

portadora das informações de parque e consumo.

124

5 ESTUDO DE CASO

Neste capítulo é realizado um estudo de caso do parque da concessionária utilizando a

metodologia desenvolvida. É analisada a probabilidade de falha dos medidores instalados em

unidades consumidoras monofásicas. A justificativa da escolha desse tipo de medidor é

apresentada a seguir.

5.1 Introdução

Os medidores da concessionária de energia elétrica destinados à medição de consumo

dos clientes podem ser divididos em quatro grupos, de acordo com o tipo de medidor e tipo de

fases: eletrônicos, eletromecânicos monofásicos, eletromecânicos bifásicos e eletromecânicos

trifásicos.

As unidades consumidoras monofásicas representam grande parte dos clientes da

concessionária de energia elétrica deste estudo de caso. A tabela 5.1 apresenta a distribuição

da quantidade de equipamentos do parque por tipo de equipamento de medição e a quantidade

percentual de energia aferida por cada grupo no ano de 2005.

Tabela 5.1 – Distribuição de medidores no parque da concessionária de acordo com o tipo de medidor e

número de fases, ano 2005.

Tipo de medidor

Quantidade no

parque

Percentual de

consumo total

Eletrônico 8.132 (0,43%) 55,39%

Indução monofásico 849.046 (45,07%) 11,27%

Indução bifásico 790.211 (41,95%) 14,20%

Indução trifásico 227.488 (12,08%) 19,14%

A quantidade elevada de consumidores monofásicos torna mais difícil a determinação

do estado operacional destes medidores instalados nestas unidades via metodologia

convencional. Estas unidades apresentam um consumo relativo baixo, representando a menor

renda por unidade consumidora da concessionária. Entretanto, a concessionária se obriga a

mantê-los aferidos em sua área de concessão, em conformidade com os limites de erros de

medição estabelecidos pela legislação pertinente. De acordo com a legislação vigente o tipo

125

de fase depende da carga instalada na UC, portanto pode-se justificar que as UCs monofásicas

geralmente apresentarão um consumo médio inferior do que as demais.

Admitindo-se apenas os medidores eletromecânicos, a tabela 5.2 apresenta os

resultados da análise da quantidade de equipamentos instalados no parque da concessionária

de acordo com o tipo de medidor para o ano de 2008, obviamente excluindo-se as

informações sobre os medidores eletrônicos.

Tabela 5.2 – Distribuição de medidores no parque da concessionária de acordo com o tipo de medidor

eletromecânico e número de fases, ano 2008.

Tipo de medidor

Quantidade no

parque

Consumo total em

kWh

Indução monofásico 857.756 (43,48%) 107.601.562 (28,28%)

Indução bifásico 880.928 (44,66%) 149.439.075 (39,28%)

Indução trifásico 233.853 (11,86%) 123.410.147 (32,44%)

TOTAL 1.972.537 380.450.784

Pela tabela 5.2 observa-se que a quantidade de UCs bifásicas se tornou maior que a

quantidade de UCs monofásicas, caracterizando expansão de consumo nesta concessionária

exemplo de caso. Contudo, o consumo médio por equipamento é maior nas UC bifásicas

(169kWh/mês) do que nas UCs monofásicas (125kWh/mês), justificando-se a escolha da

análise.

5.2 Aplicação da metodologia sobre os equipamentos

Uma vez justificada a análise dos medidores eletromecânicos monofásicos é

necessário preparar os dados para aplicação da metodologia, ou seja, a etapa de pré-

processamento de descoberta de conhecimento em base de dados deve ser aplicada ao

conjunto. Esta etapa engloba a aplicação dos filtros para seleção apenas de medidores

eletromecânicos monofásicos destinados a utilização em unidades consumidoras.

A quantidade de equipamentos monofásicos obtida após a aplicação de todo o

processo de filtragem e cruzamento de dados foi 764.046.

A aplicação da metodologia de análise de probabilidade de falha não compreende todo

o parque de medição, sendo que existem modelos agrupados de equipamentos e localidades

que não existem na metodologia. Os casos que não podem ser avaliados pela metodologia

devem ser descartados.

126

Na análise existem 689.439 casos de modelos que não são englobados pela

metodologia, 3.977 casos de equipamentos sem informação de consumo e 910 casos de

localidades que não são englobadas pela metodologia. Um total de 690.473 equipamentos não

puderam ser avaliados pela metodologia. Isto equivale a 90% dos equipamentos.

Dos 73.573 equipamentos agrupados, 16 equipamentos apareceram no grupo 200, que

não existe no modelo original. A regressão kernel foi utilizada para estimar a probabilidade de

falhas deste grupo em 87,5%.

Os grupos com a quantidade de equipamentos associado a cada um deles e a

probabilidade de falhas são apresentados na tabela 5.3.

Tabela 5.3 – Grupos de medidores e quantidade de equipamentos para o estudo de caso.

Grupo

Nº de

casos

Probabilidade

de falha

80 4 1,16%

90 278 1,87%

100 3312 4,23%

110 10452 5,35%

120 16519 8,33%

130 16791 14,74%

140 13496 19,14%

150 6659 32,01%

160 3250 35,53%

170 1772 40,63%

180 617 55,00%

190 131 75,00%

200 16 87,50%

210 53 100,00%

220 62 100,00%

230 95 100,00%

240 65 100,00%

250 1 100,00%

Existem equipamentos monofásicos distribuídos em todos os grupos do modelo final.

Pode-se determinar a probabilidade de falha média dos medidores monofásicos fazendo o

somatório do resultado da multiplicação da quantidade de casos de cada grupo pela

probabilidade de falha associada ao grupo, e dividir tudo isso pelo total de casos analisados,

conforme a equação 5.1.

(

)

∑

casos de Nº

casos de NºPr

(5.1)

Sendo Pr a probabilidade de falha do grupo e

a probabilidade de falha média.

127

A probabilidade de falha média associada aos medidores monofásicos é de 16,14%.

Isto quer dizer que dos 73.573 equipamentos analisados, 11.875 devem apresentar falhas.

5.3 Considerações finais

Este capítulo apresentou um estudo de caso real sobre os medidores de energia elétrica

monofásicos instalados no parque da concessionária no ano de 2008. Para determinação do

tempo de vida dos medidores, considerou-se a data final de 25 de Julho de 2010,

aproximadamente dois anos após a imagem do parque. A situação apresentada se torna

hipotética pois se estabelece que o consumo médio e máximo não se alteraram e que não

houve remoção de equipamentos ou instalação de equipamentos novos. O que se deve

ressaltar é a importância de uma metodologia para estimar a probabilidade de falhas nos

equipamentos submetidos a diversas condições.

Somente uma pequena quantidade dos medidores monofásicos puderam ser avaliada

através da metodologia. A metodologia pôde ser utilizada em 10% do parque de medidores

monofásicos. Assim, existe uma dificuldade em afirmar se a quantidade de medidores

estimados com falha é grande ou pequena.

Como alternativa a análise da probabilidade de falha, utiliza-se a acertividade. No

estudo de caso, se for feita a aferição de 73.573 equipamentos, estima-se que 16,14% tenham

falhas. Se for feita a aferição de apenas 1.000 equipamentos, a metodologia indica que 706

equipamentos terão problemas, isto é uma acertividade de 70,6%. A concessionária de energia

afirmou que, considerando-se a metodologia atual utilizada, a acertividade média deles está

entre 7% até10%.

Finalmente, observa-se que a grande limitação da metodologia desenvolvida está na

falta de dados de ensaios para modelos distintos de medidores, e, ainda um histórico limitado

de informações de aferição e falhas, considerando-se que muitos modelos possuíam poucos ou

nenhum caso de ensaio registrado.

128

6 CONCLUSÃO E CONTINUIDADE DA PESQUISA

A construção de modelos representativos da probabilidade de falhas de medidores

eletromecânicos de energia elétrica é uma nova ferramenta de auxílio na criação de planos de

inspeção e troca de equipamentos. O aplicativo desenvolvido permite monitorar a situação de

todo o parque de medição, com possibilidade de emissão de relatórios sobre as condições

estimadas dos equipamentos em todas as áreas do parque, de acordo com critérios de busca.

Além disso, engloba uma ferramenta que auxilia no processo de retirada de equipamentos

para ensaio laboratorial, apontando os equipamentos com maiores probabilidades de falhas. A

interface amigável, com o uso de gráficos e mapas, permite que usuários leigos consigam

utilizar facilmente o aplicativo.

A metodologia proposta neste trabalho impede a classificação exata da situação de um

único equipamento, mas permite generalizar o comportamento do equipamento ao associá-lo

a um grupo de equipamentos com características semelhantes. O resultado é uma visualização

mais genérica do estado dos equipamentos no parque de medição, apresentando a

probabilidade de falha do equipamento.

A técnica de regressão kernel permite que os valores das probabilidades de falhas dos

grupos de medidores sejam atualizados, assemelhando-se ao comportamento real observado.

A regressão kernel é uma técnica que estima a resposta com base em uma memória, i.e., um

conjunto de pontos de entradas e saídas previamente existentes. A principal dificuldade desta

técnica é trabalhar com respostas que estão fora dos limites da memória, como pontos

inferiores ao menor ponto existente na memória. Nesses casos, o valor será igual ao valor

estimado para o ponto limite da memória. Inicialmente esta característica da regressão kernel

não influencia no algoritmo desenvolvido, pois os grupos de limite inferior e superior

possuem, respectivamente, os valores 0% e 100.

O processo de descoberta de conhecimento em bases de dados possibilita descobrir

padrões e relacionamentos em grandes bases de dados que a priori estão ocultos. É uma

ferramenta abrangente, utilizada em diversas áreas do conhecimento. Sua utilização foi

essencial para determinar as variáveis mais significativas na classificação de falhas em

medidores eletromecânicos de energia elétrica ativa.

A etapa de pré-processamento, ressaltando o tratamento de dados discrepantes,

possibilitou a construção de uma árvore de decisão de qualidade. A aplicação do algoritmo

129

J48 sem a remoção dos dados discrepantes de modelos de medidores resulta em uma árvore

de decisão muito grande e espalhada, sendo o modelo do equipamento a primeira variável

selecionada. A escolha é justificada pela grande quantidade de modelos com apenas um ou

dois casos com mesma classificação, assim a árvore consegue classificar 100% desses

modelos, sendo a melhor variável para classificação. Após o devido tratamento dessa variável

se obteve uma árvore menos espalhada, suficiente para se obter as principais variáveis do

modelo.

A regressão stepwise é uma técnica muito interessante, cuja função é determinar as

principais variáveis de entrada que definem uma variável de saída através de regressão linear.

A aplicação da técnica ao conjunto de dados da concessionária apresentou pouca redução do

RMSE, indicando que uma função linear não representa adequadamente a saída binária.

Independente disto, a análise da variância é uma grande auxiliadora para determinação das

variáveis mais significativas para classificar os casos de falha em medidores eletromecânicos.

Os algoritmos forward e backward stepwise apresentaram como resultados variáveis

próximas. Se for feita a consideração que ao se escolher um elemento de uma variável

transformada via flattening se está escolhendo a variável como um todo, então os algoritmos

escolheram as mesmas variáveis.

Com a mistura de ambas as técnicas foi possível selecionar o conjunto de variáveis

mais indicado para construir um modelo de determinação de falhas. A quantidade de variáveis

escolhidas foi a metade da quantidade de variáveis que se acreditava ter relação com as falhas.

Durante o estudo de caso se observou que o modelo ainda não está adequado para

analisar o comportamento de todo o parque de medição, sendo que somente 10% dos

equipamentos foram analisados. A variável que causou a maior restrição foi o modelo do

equipamento. Nos dados do parque da concessionária foram observados 74 modelos

agrupados de equipamentos instalados em UCs monofásicas, porém somente 2 destes fazem

parte da metodologia proposta.

A variável

localidade

não estabelece um efeito claro sobre as falhas nos

equipamentos. Neste trabalho foi estudado os efeitos dos dados climáticos, que estão

correlacionados com a localidade, e somente a precipitação apresentou influência significativa

sobre o conjunto de dados. Outro ponto a se considerar sobre esta variável são os dados

discrepantes. Neste trabalho, os dados discrepantes desta variável não foram tratados, mesmo

com a variável se encontrando em condições semelhantes a

subtipo_equip

Por último, este trabalho finaliza sem a validação em campo do modelo desenvolvido,

considerando-se que a concessionária admitida para estudos prevê a utilização da ferramenta

130

para o ano de 2011. Como as variáveis do modelo final não possuem uma distribuição

abundante em todos os valores que podem assumir, decidiu-se por um modelo mais

abrangente, não separando dados atuais existentes para validação.

Com base nessas conclusões, faz-se as seguintes sugestões para a continuidade da

pesquisa:

• Obter novos dados de ensaios, englobando modelos de medidores que não fazem

parte da metodologia proposta, amostrados de forma aleatória e representativa do

parque atual da concessionária;

• Realizar o pré-processamento da variável

localidade

, que apresenta vários

campos com apenas um ou dois casos;

• Utilizar outras técnicas de mineração de dados, tanto para obtenção das variáveis

mais significativas como para a metodologia de agrupamento de equipamentos;

• Inserir novas variáveis no processo de DCBD, tentando obter modelos que

utilizam variáveis mais diretamente relacionadas com a saída e/ou que assumam

um leque menor de valores. Isto inclui determinar a existência de variáveis

relacionadas com a localidade que influenciam sobre o medidor;

• Experimentar outras técnicas de discretização dos dados, verificando as novas

variáveis selecionadas;

• Na técnica de regressão stepwise, utilizar uma regressão logística ao invés de uma

regressão linear para determinar a saída. Acredita-se que uma regressão logística

possa reduzir significativamente o RMSE para valor de saída discreto, obtendo

melhor qualidade na seleção das variáveis;

• Validar o modelo proposto, utilizando-se novos conjuntos de dados de ensaios.

131

REFERÊNCIAS

[1] WIKIPÉDIA. History of electrical engineering. [S.l: s.n.], 2010. Disponível em:

<http://en.wikipedia.org/wiki/History_of_electrical_engineering>. Acesso em: 30 abr.

2010.

[2] MUNSON, R. From Edison to Enrol: the business of power and what it means for the

future of electricity. Westport: Praeger, 2005. 206 p.

[3] DAHLE, D. Historical timeline of electric meters. [S.l: s.n.], 2010. Disponível em:

<http://watthourmeters.com/history.html>. Acesso em: 30 abr. 2010.

[4] BUSHBELL, O. J.; McCOY, W. E.; VAUGHN, F. A. Electrical metermen’s

handbook. Washington: Edison Electric Institue, 1912. 1070 p.

[5] SKRABEC, Q. R. Jr. George Westinghouse: gentle genius. [S.l. s.n.]. Disponível em:

<http://books.google.com>. Acesso em: 01 maio 2010.

[6] DOTTO, G. H. Estudo do comportamento de medidores eletromecânicos de energia

elétrica frente às distorções harmônicas de corrente. 2006. 92 f. Trabalho de

Conclusão de Curso (Graduação em Engenharia Elétrica) – Universidade Regional do

Noroeste do Estado do Rio Grande do Sul, Ijuí, 2006.

[7] BRASIL. Agência Nacional de Energia Elétrica. Consulta Pública nº 015/2009.

Realizada em 30 março de 2009 para obter subsídios e informações para implantação da

medição eletrônica em baixa tensão. Brasília, 2009. Disponível em:

<www.aneel.gov.br>. Acesso em: 02 maio 2010.

[8] LANDIS+GYR. Manual do medidor M12: medidor monofásico de energia ativa.

Curitiba: Landis + Gyr Equipamentos de Medição, 2007. Disponível em:

http://www.landisgyr.com.br/upload/opcoes/M12_por_6p.pdf>. Acesso em: 02 maio

2010.

[9] BRASIL. Agência Nacional de Energia Elétrica. Estudo de vida útil econômica e taxa

de depreciação. In: Anexos da Audiência Pública 012/2006. Realizada entre 08 set.

2006 a 04 out. 2006 para estabelecer e equalizar taxas anuais de depreciação das

unidades consumidoras. Brasília, 2006. Disponível em: <http://www.aneel.gov.br>.

Acesso em: 02 maio 2010.

132

[10] BARBIERI, R. Medidores eletrônicos. In: SEMINÁRIO INTERNACIONAL SOBRE

MEDIÇÃO ELETRÔNICA, 1., 2008, Brasília. Apresentações… Brasília: ANEEL,

2008. Disponível em: <http://www.aneel.gov.br/area.cfm?idArea=654&idPerfil=2>.

Acesso em: 02 maio 2010.

[11] LAMIN, H. Medição eletrônica em baixa tensão: aspectos regulatórios e

recomendações para implantação. 2009. 184 f. Dissertação (Mestrado em Engenharia

Elétrica) – Faculdade de Tecnologia, Universidade de Brasília – UnB, Brasília, 2009.

[12] BRASIL. Agência Nacional de Energia Elétrica. Nota Técnica nº 00132009-

SRD/ANEEL. Brasília, 2009. Disponível em: <http://www.aneel.gov.br>. Acesso em:

02 maio 2010.

[13] SEMINÁRIO INTERNACIONAL SOBRE MEDIÇÃO ELETRÔNICA, 1., 2008,

Brasília. Apresentações…. Brasília: ANEEL, 2008. Disponível em:

<http://www.aneel.gov.br/area.cfm?idArea=654&idPerfil=2>. Acesso em: 02 maio

2010.

[14] KRUG, S. R. Aplicação do método de design macroergonômico no projeto de

postos de trabalho: estudo de caso de posto de pré-calibração de medidores de energia

monofásicos. 2000. 194 f. Dissertação (Mestrado profissional em Engenharia da

Produção) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul –

UFRS, Porto Alegre, 2000.

[15] EL-SADEK, M. Z.; IBRAHIM, E. N. A.; KAMEL, R. M. Watthour meters readings

errors in presence of harmonics and active filters. In: INTERNATIONAL

CONFERENCE ON ELECTRICAL, ELECTRONIC AND COMPUTER

ENGINEERING, 2004, Cairo. Proceedings… New York: IEEE, 2004. p. 759-762.

[16] DENG, Z.; XU, B.; MEI, G. CHEN, Q.; ZHANG, Z. Influence of harmonic powers on

metering error of induction watthour meter. Proceedings of the Chinese Society for

Electrical Engineering (CSEE), Beijing, v. 22, n. 4, p. 138-143, abr. 2002.

[17] DORNIJAN, A. Jr.; EMBRIZ-SANTANDER, E.; GILANI, A.; LAMER, G. Watthour

meter accuracy under controlled unbalanced harmonic voltage and current conditions.

IEEE Transactions on Power Delivery, Piscataway, v. 11, n. 1, p. 64-70, jan. 1996.

[18] IGNEA, A.; CHIVU, M. Influenta componentei armonice de ordinul III asupra

contoarelor electrice de inductie monofazate si aparat pentru verificarea acestei

influente. Metrologia Aplicata, Bucaresti, v. 35, n. 1, p. 33-34, 1988.

133

[19] SIQUEIRA, L.; CARNEIRO, A. M.; DE OLIVEIRA, M. Assessment of harmonic

distortions on power and energy measurements. In: INTERNATIONAL HARMONICS

AND QUALITY OF POWER, 9., 2000, Orlando. Proceedings… Orlando: IEEE, 2000.

[20] CANESIN, C. A.; GONÇALVES, F. A. S.; ORIGA, L. C.; ROSSI, J. C.; GALOTTO,

L. Jr.; GODOY, R. B.; SCIAMANA, M.; SILVA, L. C. E. Sistema de medição e

modelação de erros em medidores de energia elétrica ativa. Eletrônica de Potência,

Campinas, v. 13, n. 1, p. 33-43, fev. 2008.

[21] BRASIL. Agência Nacional de Energia Elétrica. Apresenta informações sobre o setor

elétrico. Disponível em: <www.aneel.gov.br>. Acesso em: 13 maio 2010.

[22] AGÊNCIA Reguladora de Saneamento e Energia do Estado de São Paulo. Disponível

em: <www.arsesp.sp.gov.br>. Acesso em: 13 maio 2010.

[23] BRASIL. Instituto Nacional de Metrologia, Normalização e Qualidade Industrial.

Disponível em: <www.inmetro.gov.br>. Acesso em: 13 maio 2010.

[24] GALOTTO, L., Jr. Análise de compensação de falta em sensores aplicada em

controle de motores. 2006. 162 f. Dissertação (Mestrado em Engenharia Elétrica) –

Universidade Federal do Mato Grosso do Sul – UFMS, Campo Grande, 2006.

[25] BASSETO, I. F. F. Estudo de confiabilidade de compressores alternativos semi-

herméticos de sistemas de refrigeração. 2007. 157 f. Dissertação (Mestrado em

Engenharia Mecânica) – Escola Politécnica, Universidade de São Paulo – USP, São

Paulo, 2007.

[26] WIKIPÉDIA. Failure rate. [S.l. s.n.], 2010. Disponível em:

<http://en.wikipedia.org/wiki/Failure_rate>. Acesso em: 15 maio 2010.

[27] DIAS, A. Projeto para a confiabilidade aplicado ao processo de implantação de uma

rede de gás. Revista Brasileira de Gestão e Desenvolvimento do Produto,

Florianópolis, v. 2, mar. 2002. Disponível em:

<http://www.moscoso.org/pub/docs/books/fmc2.graco.unb.br/eletronorte2005/fmea/fme

a-projetoproduto.pdf>. Acesso em: 17 maio 2010.

[28] SHUMWAY, T. Forecasting bankrupt more accurately: a simple hazard model. Journal

of Business, Chicago, v. 74, n. 1, p. 101-124, 2001.

134

[29] ALKAIM, J. L. Metodologia para incorporar conhecimento intensivo às tarefas de

manutenção centrada na confiabilidade aplicada em ativos de sistemas elétricos.

2003. 239 f. Dissertação (Mestrado em Engenharia da Produção) – Universidade

Federal de Santa Catarina – UFSC, Florianópolis, 2003.

[30] LUZ, A. F. Uma metodologia baseada em algoritmo de otimização por enxame de

partículas para manutenção preventiva focada em confiabilidade e custo. 2009. 66

f. Dissertação (Mestrado profissional em Engenharia Nuclear) – Instituto de Engenharia

Nuclear, Comissão Nacional de Energia Elétrica – CNEN, Rio de Janeiro, 2009.

[31] GRAZIANO, N. Análise de confiabilidade e melhoria da taxa de falhas para

cubículos classe 15 kV. 2006. 92 f. Dissertação (Mestrado em Energia) – Programa

Interunidades de Pós-Graduação em Energia – PIPGE, Universidade de São Paulo –

USP, São Paulo, 2006.

[32] VANA, C. D.; MELO, C. F.; NICOLAT, J. M.; PORTUGAL, M. A.; IKEDA, M.

Desenvolvimento de software para e estimativa e acompanhamento da vida útil

econômica de medidores de energia. In: CONGRESSO DE INOVAÇÃO

TECNOLÓGICA EM ENERGIA ELÉTRICA - CITENEL, 2., 2003. Salvador. Anais…

[S.l.]: ANEEL, 2003.

[33] MAIMON, O.; ROKACH, L. The data mining and knowledge discovery handbook.

New York: Springer, 2005. 1383 p.

[34] PIATETSKY-SHAPIRO, G.; PARKER, G. Data mining course. [S.l: KDnuggets, 20--

?]. Disponível em: <http://www.kdnuggets.com/data_mining_course/>. Acesso em: 16

abr. 2010.

[35] FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to

knowledge discovery in databases. AI magazine, La Canada, v. 17, p. 37-54, 1996.

[36] ADRIAANS, P.; ZANTINGE, D. Data Mining. Boston: Addison-Wesley, 1997.

[37] HAN, J.; KAMBER, M. Data mining: concepts and techniques. San Francisco:

Elsevier, 2006.

[38] FAYYAD, U.; PIATETSKY-SHAPIRO, G.; PADHRAIC, S.; RAMASAMY, U.

Advances in Knowledge Discovery and Data Mining. Menlo Park: AAAI, 1996.

135

[39] FAYYAD, U.; HAUSSLER, D.; STOLORZ, P. KDD for science data analysis: issues

and examples. In: KNOWLEDGE DISCOVERY AND DATA MINING

CONFERENCE – KDD, 2., 1996. Proceedings… Menlo Park: AAAI, 1996. p. 82-87.

[40] HOLSHEIMER, M.; KERSTEN, M.; MANNILA, H.; TOIVONEN, H. A perspective

on databases and data mining. In: KNOWLEDGE DISCOVERY AND DATA MINING

CONFERENCE – KDD, 1., 1995. Proceedings… Menlo Park: AAAI, 1995. p. 150-

155.

[41] CARVALHO, D. R.; BUENO, M.; NETO, W. A.; LOPES, L. R. Ferramenta de pré e

pós-processamento para data mining. In: SEMINÁRIO DE COMPUTAÇÃO -

SEMINCO, 12., 2003, Blumenau. Anais… [S.l; s.n], 2003. p. 131-139.

[42] LENZERINI, M. Data integration: a theoretical perspective. In: SYMPOSIUM OF

PRINCIPLES OF DATABASE SYSTEMS, 21., 2002, Madison, Wisconsin.

Proceedings… New York: ACM, 2002. p. 223-246.

[43] SARAWAGI, S.; RAISINGHANI, V. T. (Orgs.) Cleaning methods in data

warehouse. [S.l;s.n], 1999. Disponível em:

<http://www.it.iitb.ac.in/~rvijay/seminar/index.html>. Acesso em: 13 abr. 2010.

[44] BOSCARIOLI, C. Pré-processamento de dados para descoberta de conhecimento em

banco de dados: uma visão geral. In: CONGRESSO DE TECNOLOGIAS PARA

GESTÃO DE DADOS E METADADOS DO CONE SUL – CONGED, 3., 2005.

Anais… Guarapuava: Unicentro, 2005. p. 101-120.

[45] BORGES, A. Aram: uma linguagem de programação para o ambiente Virtuosi. 10 f.

Projeto final (Bacharelado em Ciência da Computação) – Pontifícia Universidade

Católica do Paraná, Curitiba, 2004. Disponível em:

<http://www.biblioteca.pucpr.br/tede/tde_arquivos/14/TDE-2006-02-10T095302Z-

276/Publico/ANEXO_B.pdf>. Acesso em: 06 maio 2010.

[46] WIKIPÉDIA. Caractere de escape. [S.l;s.n], 2009. Disponível em:

<http://pt.wikipedia.org/wiki/Caractere_de_escape>. Acesso em: 06 maio 2010.

[47] HE, Z.; XU, X.; DENG, S. A fast greedy algorithm for outlier mining. ArXiv

Computer Science E-prints. Ithaca: Cornell University Library, jul. 2005. Disponível

em: <http://arxiv.org/abs/cs/0507065>. Acesso em: 15 abr. 2010.

[48] FAYYAD, U. M.; IRANI, K. B. On the handling of continuous-valued attributes in

decision tree generation. Machine Learning, Boston, v. 8, n. 1, p. 87-102, Jan. 2005.

136

[49] KOTSIANTIS, S.; KANELLOPOULOS, D. Discretization techniques: a recent survey.

GESTS International Transactions on Computer Science and Engineering, Seoul,

v. 32, n. 1, p. 47-58, Jul. 2006.

[50] PATRICIO, C. M. M. M. Detecção de fraude ou erro de medição em grandes

consumidores de energia elétrica utilizando rough sets baseado em dados

históricos e em dados em tempo real. 2005. 138 f. Dissertação (Mestrado em

Engenharia Elétrica) – Universidade Federal do Mato Grosso do Sul – UFMS, Campo

Grande, 2005.

[51] ANTON, H. A.; BUSBY, R. C. Álgebra linear contemporânea. São Paulo: Bookman,

2003. 615 p.

[52] WIKIPÉDIA. Moore-Penrose pseudoinverse. [S.l.: s.n.], 2010. Disponível em:

<http://en.wikipedia.org/wiki/Moore–Penrose_pseudoinverse>. Acesso em: 21 maio

2010.

[53] GRECHANOVSKY, E. Stepwise regression procedures: overview, problems, results,

and suggestions. Annals of the New York Academy of Sciences, New York, v. 491, n.

1, p. 197-232, Dez. 2006.

[54] HOCKING, R. R. The analysis and selection of variables in linear regression.

Biometrics, Washington, v. 32, n. 1, p. 1-49, Mar. 1976.

[55] RIBEIRO, C. C.; ARAGÃO, M. V. S. P. de. Metaheurísticas. [S.l.; s.n.], 1998.

Disponível em: <http://www.inf.puc-rio.br/~poggi>. Acesso em: 05 jul. 2010.

[56] AWASTHI, S. General stepwise regression. [S.l: s.n.], 2000. Disponível em:

<http://www.uta.edu/faculty/sawasthi/Statistics/stgsr.html>. Acesso em: 22 maio 2010.

[57] ROKACH, L.; MAIMON, O. Data mining with decision trees: theory and

applications. Singapore: World Scientific, 2008. 262 p.

[58] BOUCKAERT, R. R.; FRANK, E.; HALL, M.; KIRKBY, R.; REUTEMANN, P.;

SEEWALD, A.; SCUSE, D. WEKA manual for version 3-6-2. Hamilton: University

of Waikato, 2010. Disponpivel em:

<http://prdownloads.sourceforge.net/weka/WekaManual-3-6-2.pdf?download>. Acesso

em: 24 abr. 2010.

137

[59] MITCHELL, T. M. Machine learning. New York: McGraw-Hill, 1997. 432 p.

[60] MOORE, A. W. Information gain. [S.l: s.n.], 2003. Disponível em:

<http://www.autonlab.org/tutorials/infogain11.pdf>. Acesso em: 23 maio 2010.

[61] CUNNINGHAM, P. Evaluation in machine learning. In: EUROPEAN CONFERENCE

ON MACHINE LEARNING AND PRINCIPLES AND PRACTICE OF

KNOWLEDGE DISCOVERY IN DATABASES – ECML PKDD, 2009, Bled.

Tutorials… Ljubljana: ECML PKDD, 2009. Disponível em:

<http://www.ecmlpkdd2009.net/program/tutorials/evaluation-in-machine-learning/>.

Acesso em: 12 maio 2010.

[62] BLUM, A.; KALAI, A.; LANGFORD, J. Beating the hold-out: bounds for k-fold and

progressive cross-validation. In: ANNUAL WORKSHOP ON COMPUTATIONAL

LEARNING THEORY, 20., 1999, Santa Cruz. Proceedings… New York: ACM, 1999,

p. 203-208.

[63] ZUBEN, V. Regressão paramétrica e não-paramétrica. Material da disciplina IA353

– Redes neurais. Campinas: Universidade Estadual de Campinas, 2000. Disponível em:

<ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia353_00/topico10_00.pdf>. Acesso

em: 04 ago. 2010.

[64] Figura 1.1 – WIKIPÉDIA. Edison bulb. [S.l.: s.n.], 2006. Disponível em:

<http://en.wikipedia.org/wiki/File:Edison_bulb.jpg>. Acesso em: 02 maio 2010.

[65] Figura 1.3 – WIKIPEDIA. Shallenberger-meter. [S.l.: s.n.], 2008. Disponível em:

<http://de.wikipedia.org/w/index.php?title=Datei:Shallenberger-meter.jpg>. Acesso em:

02 maio 2010.

138

APÊNDICE A – Agrupamento de modelos semelhantes

Este anexo apresenta o agrupamento de medidores de acordo com critérios informados

pela concessionária de energia.

A tabela A apresenta os modelos agrupados existentes na tabela

RESULTADOS

Tabela A – Modelos agrupados utilizados na tabela

RESULTADOS

Modelo

Original

Modelo

Agrupado

B4C3V

B4C3V12015

B4C3V

C1X412010

C1X412015

C1X42405

C1X424010

C1X424015

C1X4

D58-C/S

D5804AC

D58AC3R

D5804AL

D5812015JC

D5812015RC

D5812030JF

D5812030RF

D5812050

D5824015JJ

D5824015RJ

D5824030JM

D5824030RM

D5824050

D58

D58C12015

D58C120MC

D58C120NC

D58C120OC

D58C120XC

D58C2401MJ

D58C240NJ

D58C240XJ

D58C

139

D58C240XJ5

D8L

D8L12015

D8L12015KC

D8L24015

D8LM

D8LR

D8L

F7212015

F7212015DC

F7224015DJ

F7224015IJ

F72

F72G12015 F72G

FV-201-120

FV201

FV20112015

FV20124015

FV201

FV20212015 FV202

FX-221-120

FX-221-240

FX221

FY201120

FY20112015

FY20112030

FY201120VC

FY201120VF

FY201240

FY20124015

FY201

M1A12005AC

M1A12015

M1A24015

M1A

M1A-G12015

M1A-G24015

M1AG-P-TNI

M1AG

M1A-T

M1A-T12015

M1AT

M8C12015

M8C24015

M8C

M8L12015

M8L24015

M8L

MF79G120

MF79G12015

MF79G

140

MFB120G

MFB120G120

MFB120G

MFT120-G

MFT120G

MFT120G120

MFT120G

MY-202120

MY-202240

MY202

PN5D-G-TNI

PN5DG

PN5DG12015

PN5DG24015

PN5DG

PN5T-G

PN5T-G-TNI

PN5T-G120

PN5T-G240

PN5TG

SL-1621

SL-1621120

SL-1621240

SL1621

T4C3V

T4C3V1205

T4C3V12015

T4C3V12030

T4C3V120VC

T4C3V24015

T4C3V

T8L C/SENS

T8L07IF

T8L07IO

T8L12015SC

T8L12015UC

T8L12015WC

T8L24015SJ

T8L24015UJ

T8L37IF

T8L37IO

T8LC/S07LO

T8LC/S37L0

T8LM07KC

T8LM07KO

T8L

141

APÊNDICE B – Árvore de decisão completa

Este anexo apresenta a árvore de decisão completa obtida no capítulo 4 em formato

texto.

instalacoes = 1

| subtipo = D58

| | media = 0

| | | dias_de_vida = 0: N (2.0/1.0)

| | | dias_de_vida = 1600: N (3.0/1.0)

| | | dias_de_vida = 2600: N (7.0/1.0)

| | | dias_de_vida = 4000: N (0.0)

| | | dias_de_vida = 6100: S (4.0/1.0)

| | | dias_de_vida = 7900: S (2.0)

| | | dias_de_vida = 8800

| | | | altitude = 0: N (0.0)

| | | | altitude = 400: N (0.0)

| | | | altitude = 500: N (4.0)

| | | | altitude = 600: S (3.0/1.0)

| | | | altitude = 615: S (2.0)

| | | | altitude = 680: S (1.0)

| | | | altitude = 800: N (0.0)

| | media = 100

| | | altitude = 0: N (0.0)

| | | altitude = 400: S (1.0)

| | | altitude = 500: N (7.0)

| | | altitude = 600: S (5.0/1.0)

| | | altitude = 615

| | | | cod_localidade <= 61: N (3.0/1.0)

| | | | cod_localidade > 61: S (2.0)

| | | altitude = 680: S (1.0)

| | | altitude = 800: N (0.0)

| | media = 150

| | | maximo = 0: N (0.0)

| | | maximo = 150: S (1.0)

| | | maximo = 200: N (3.0)

| | | maximo = 250: N (6.0/1.0)

| | | maximo = 320

| | | | cod_localidade <= 57: S (2.0)

| | | | cod_localidade > 57: N (3.0/1.0)

142

| | | maximo = 440: N (3.0/1.0)

| | | maximo = 800: N (1.0)

| | media = 200

| | | cod_tipo_local = RR: S (3.0/1.0)

| | | cod_tipo_local = UB: N (25.0/3.0)

| | media = 300

| | | cod_classe_principal = 1

| | | | temperatura = 0.0: S (0.0)

| | | | temperatura = 20.6: S (0.0)

| | | | temperatura = 21.5: S (1.0)

| | | | temperatura = 21.6

| | | | temperatura = 21.7: N (3.0)

| | | | temperatura = 23.1: S (0.0)

| | | cod_classe_principal = 2

| | | | dias_de_vida = 0: S (0.0)

| | | | dias_de_vida = 1600: S (0.0)

| | | | dias_de_vida = 2600: N (1.0)

| | | | dias_de_vida = 4000: S (0.0)

| | | | dias_de_vida = 6100: S (2.0)

| | | | dias_de_vida = 7900: S (0.0)

143

| | | | dias_de_vida = 8800: S (3.0/1.0)

| | | cod_classe_principal = 3

| | | | maximo = 0: N (0.0)

| | | | maximo = 150: N (0.0)

| | | | maximo = 200: N (0.0)

| | | | maximo = 250: N (0.0)

| | | | maximo = 320: N (0.0)

| | | | maximo = 440: S (3.0/1.0)

| | | | maximo = 800: N (7.0/1.0)

| | | cod_classe_principal = 4

| | | | cod_localidade <= 39: N (2.0)

| | | | cod_localidade > 39: S (10.0/1.0)

| | | cod_classe_principal = 5: N (1.0)

| | | cod_classe_principal = 6: S (0.0)

| | | cod_classe_principal = 7: S (0.0)

| | | cod_classe_principal = 8: S (0.0)

| | media = 600

| | | cod_localidade <= 63

| | | | temperatura = 0.0: N (0.0)

| | | | temperatura = 20.6: N (0.0)

| | | | temperatura = 21.5: S (2.0)

| | | | temperatura = 21.6

| | | | temperatura = 21.7: N (6.0/2.0)

| | | | temperatura = 23.1: N (0.0)

| | | cod_localidade > 63: S (8.0)

| subtipo = D58C

144

| | cod_localidade <= 69

| | | cod_localidade <= 18

| | | | temperatura = 0.0: N (0.0)

| | | | temperatura = 20.6

| | | | temperatura = 21.5

| | | | temperatura = 21.6: N (0.0)

| | | | temperatura = 21.7: N (0.0)

| | | | temperatura = 23.1: N (0.0)

| | | cod_localidade > 18: N (67.0)

| | cod_localidade > 69

| | | media = 0

| | | | maximo = 0

145

| | | | maximo = 150

| | | | maximo = 200: N (4.0)

| | | | maximo = 250

146

| | | | maximo = 320: N (3.0)

| | | | maximo = 440: N (1.0)

| | | | maximo = 800: N (0.0)

| | | media = 100

| | | | temperatura = 0.0

| | | | temperatura = 20.6: N (8.0)

| | | | temperatura = 21.5

| | | | temperatura = 21.6

| | | | temperatura = 21.7

147

| | | | temperatura = 23.1: N (0.0)

| | | media = 150

| | | | temperatura = 0.0

| | | | temperatura = 20.6: N (18.0/1.0)

| | | | temperatura = 21.5

148

| | | | temperatura = 21.6

| | | | temperatura = 21.7: N (2.0/1.0)

| | | | temperatura = 23.1: N (0.0)

| | | media = 200

| | | | cod_tipo_local = RR: N (5.0)

| | | | cod_tipo_local = UB

149

| | | media = 300

| | | | cod_classe_principal = 1

150

| | | | cod_classe_principal = 2: N (1.0)

| | | | cod_classe_principal = 3: N (13.0)

| | | | cod_classe_principal = 4: N (1.0)

| | | | cod_classe_principal = 5: S (1.0)

| | | | cod_classe_principal = 6: N (0.0)

| | | | cod_classe_principal = 7: N (0.0)

| | | | cod_classe_principal = 8: N (0.0)

| | | media = 600

| | | | altitude = 0: N (0.0)

| | | | altitude = 400: N (0.0)

| | | | altitude = 500: N (0.0)

| | | | altitude = 600: S (3.0/1.0)

| | | | altitude = 615: S (4.0/1.0)

| | | | altitude = 680: N (3.0)

| | | | altitude = 800: N (0.0)

| subtipo = D8L

| | ano_fabric = 0

| | | cod_tipo_fase = MO: S (1.0)

| | | cod_tipo_fase = BI

| | | | cod_classe_principal = 1

151

| | | | cod_classe_principal = 2: N (1.0)

| | | | cod_classe_principal = 3: N (16.0)

| | | | cod_classe_principal = 4: N (4.0)

| | | | cod_classe_principal = 5: N (2.0)

| | | | cod_classe_principal = 6: N (0.0)

| | | | cod_classe_principal = 7: N (0.0)

| | | | cod_classe_principal = 8: N (0.0)

| | | cod_tipo_fase = TR: N (2.0/1.0)

| | ano_fabric = 1980: N (16.0)

| | ano_fabric = 1983: N (69.0)

| | ano_fabric = 1986: N (1.0)

| | ano_fabric = 1992: N (0.0)

| | ano_fabric = 1998: N (0.0)

| subtipo = FV201

| | cod_classe_principal = 1

| | | media = 0

| | | | altitude = 0: N (0.0)

| | | | altitude = 400: N (0.0)

| | | | altitude = 500: S (1.0)

| | | | altitude = 600: N (6.0/1.0)

| | | | altitude = 615

152

| | | | altitude = 680: N (0.0)

| | | | altitude = 800: N (0.0)

| | | media = 100

| | | | cod_classe_consumo <= 9101

| | | | cod_classe_consumo > 9101: S (2.0)

| | | media = 150

| | | | cod_localidade <= 39: S (4.0)

| | | | cod_localidade > 39

153

| | | media = 200

| | | | maximo = 0: N (0.0)

| | | | maximo = 150: N (0.0)

| | | | maximo = 200: N (0.0)

| | | | maximo = 250: N (13.0/3.0)

| | | | maximo = 320

| | | | maximo = 440: S (3.0/1.0)

| | | | maximo = 800: N (2.0)

| | | media = 300

| | | | maximo = 0: S (0.0)

| | | | maximo = 150: S (0.0)

| | | | maximo = 200: S (0.0)

| | | | maximo = 250: S (0.0)

| | | | maximo = 320: S (4.0)

| | | | maximo = 440

| | | | maximo = 800: S (0.0)

| | | media = 600: N (1.0)

| | cod_classe_principal = 2: S (1.0)

| | cod_classe_principal = 3

154

| | | dias_de_vida = 0: N (3.0)

| | | dias_de_vida = 1600: N (4.0)

| | | dias_de_vida = 2600: S (1.0)

| | | dias_de_vida = 4000: N (2.0)

| | | dias_de_vida = 6100

| | | | media = 0: N (0.0)

| | | | media = 100: N (2.0/1.0)

| | | | media = 150: N (1.0)

| | | | media = 200: N (2.0)

| | | | media = 300: S (2.0)

| | | | media = 600: N (0.0)

| | | dias_de_vida = 7900: N (4.0/2.0)

| | | dias_de_vida = 8800: N (1.0)

| | cod_classe_principal = 4: N (0.0)

| | cod_classe_principal = 5: N (3.0/1.0)

| | cod_classe_principal = 6: S (1.0)

| | cod_classe_principal = 7: N (0.0)

| | cod_classe_principal = 8: N (0.0)

| subtipo = M1A

| | cod_localidade <= 698

| | | ano_fabric = 0: N (88.0/1.0)

| | | ano_fabric = 1980: N (2.0)

| | | ano_fabric = 1983: N (0.0)

| | | ano_fabric = 1986: S (1.0)

| | | ano_fabric = 1992: N (4.0)

| | | ano_fabric = 1998: N (0.0)

| | cod_localidade > 698

| | | media = 0

| | | | cod_classe_consumo <= 7050: N (7.0)

| | | | cod_classe_consumo > 7050

155

| | | media = 100

| | | | dias_de_vida = 0: N (5.0)

| | | | dias_de_vida = 1600

156

| | | | dias_de_vida = 2600: N (11.0/1.0)

| | | | dias_de_vida = 4000: N (10.0/1.0)

| | | | dias_de_vida = 6100: N (9.0/2.0)

| | | | dias_de_vida = 7900

| | | | dias_de_vida = 8800: N (3.0)

| | | media = 150

| | | | maximo = 0: N (0.0)

| | | | maximo = 150: N (5.0)

| | | | maximo = 200

| | | | maximo = 250: N (4.0/1.0)

| | | | maximo = 320: S (3.0/1.0)

| | | | maximo = 440: S (1.0)

| | | | maximo = 800: N (0.0)

| | | media = 200: N (6.0/2.0)

| | | media = 300: N (4.0)

| | | media = 600: N (0.0)

| subtipo = M8L

| | maximo = 0

| | | dias_de_vida = 0

| | | | precipitacao = 0.0: N (0.0)

| | | | precipitacao = 100.0: N (2.0/1.0)

| | | | precipitacao = 104.4: N (0.0)

| | | | precipitacao = 110.0: N (4.0/1.0)

| | | | precipitacao = 112.2: N (2.0)

| | | | precipitacao = 114.0: S (1.0)

| | | | precipitacao = 148.0: N (0.0)

| | | dias_de_vida = 1600

| | | | ano_fabric = 0: N (0.0)

| | | | ano_fabric = 1980: N (3.0/1.0)

| | | | ano_fabric = 1983: N (4.0/1.0)

| | | | ano_fabric = 1986: S (1.0)

| | | | ano_fabric = 1992: N (0.0)

157

| | | | ano_fabric = 1998: N (0.0)

| | | dias_de_vida = 2600: N (4.0/1.0)

| | | dias_de_vida = 4000: N (9.0/1.0)

| | | dias_de_vida = 6100

| | | | precipitacao = 0.0: S (0.0)

| | | | precipitacao = 100.0: N (3.0/1.0)

| | | | precipitacao = 104.4: S (0.0)

| | | | precipitacao = 110.0: S (3.0)

| | | | precipitacao = 112.2: N (3.0/1.0)

| | | | precipitacao = 114.0: S (0.0)

| | | | precipitacao = 148.0: S (0.0)

| | | dias_de_vida = 7900: S (5.0/1.0)

| | | dias_de_vida = 8800: N (1.0)

| | maximo = 150

| | | precipitacao = 0.0: N (0.0)

| | | precipitacao = 100.0

| | | | cod_localidade <= 49

| | | | cod_localidade > 49: N (2.0)

| | | precipitacao = 104.4: N (0.0)

| | | precipitacao = 110.0

| | | | dias_de_vida = 0: S (1.0)

| | | | dias_de_vida = 1600: N (3.0)

| | | | dias_de_vida = 2600: N (1.0)

| | | | dias_de_vida = 4000: N (4.0/1.0)

| | | | dias_de_vida = 6100: N (8.0/3.0)

| | | | dias_de_vida = 7900: N (3.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | precipitacao = 112.2: S (5.0/1.0)

| | | precipitacao = 114.0

| | | | dias_de_vida = 0: N (1.0)

| | | | dias_de_vida = 1600: S (2.0)

| | | | dias_de_vida = 2600: S (1.0)

| | | | dias_de_vida = 4000: N (1.0)

| | | | dias_de_vida = 6100: N (4.0/1.0)

158

| | | | dias_de_vida = 7900: N (0.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | precipitacao = 148.0: N (0.0)

| | maximo = 200

| | | precipitacao = 0.0: N (0.0)

| | | precipitacao = 100.0

| | | | media = 0: N (2.0/1.0)

| | | | media = 100: S (5.0/2.0)

| | | | media = 150: N (5.0)

| | | | media = 200: N (0.0)

| | | | media = 300: N (0.0)

| | | | media = 600: N (0.0)

| | | precipitacao = 104.4: N (0.0)

| | | precipitacao = 110.0

| | | | dias_de_vida = 0: S (2.0)

| | | | dias_de_vida = 1600: N (2.0/1.0)

| | | | dias_de_vida = 2600: N (3.0)

| | | | dias_de_vida = 4000

| | | | dias_de_vida = 6100: N (5.0)

| | | | dias_de_vida = 7900: S (1.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | precipitacao = 112.2

| | | | dias_de_vida = 0: S (1.0)

| | | | dias_de_vida = 1600: N (2.0)

| | | | dias_de_vida = 2600: S (1.0)

| | | | dias_de_vida = 4000: S (1.0)

| | | | dias_de_vida = 6100

| | | | dias_de_vida = 7900: N (1.0)

| | | | dias_de_vida = 8800: S (0.0)

159

| | | precipitacao = 114.0: S (4.0)

| | | precipitacao = 148.0: N (0.0)

| | maximo = 250

| | | cod_localidade <= 63

| | | | ano_fabric = 0: N (0.0)

| | | | ano_fabric = 1980

| | | | ano_fabric = 1983

| | | | ano_fabric = 1986: N (4.0)

| | | | ano_fabric = 1992: N (0.0)

| | | | ano_fabric = 1998: N (0.0)

| | | cod_localidade > 63: S (3.0)

| | maximo = 320: S (7.0/1.0)

| | maximo = 440: N (4.0/1.0)

| | maximo = 800: N (2.0)

| subtipo = MFT120G

| | cod_classe_principal = 1

| | | precipitacao = 0.0

| | | | maximo = 0: N (1.0)

| | | | maximo = 150: N (0.0)

| | | | maximo = 200: S (1.0)

| | | | maximo = 250: N (2.0)

| | | | maximo = 320: N (2.0/1.0)

| | | | maximo = 440

160

| | | | maximo = 800: N (5.0/2.0)

| | | precipitacao = 100.0: N (1.0)

| | | precipitacao = 104.4: N (3.0)

| | | precipitacao = 110.0: N (0.0)

| | | precipitacao = 112.2: N (0.0)

| | | precipitacao = 114.0: N (0.0)

| | | precipitacao = 148.0: N (0.0)

| | cod_classe_principal = 2

| | | media = 0: N (3.0)

| | | media = 100: N (0.0)

| | | media = 150: N (0.0)

| | | media = 200: N (1.0)

| | | media = 300: N (2.0)

| | | media = 600: S (1.0)

| | cod_classe_principal = 3: N (21.0)

| | cod_classe_principal = 4

| | | media = 0

| | | | cod_classe_consumo <= 4011: N (6.0)

| | | | cod_classe_consumo > 4011

| | | media = 100

| | | | dias_de_vida = 0: N (2.0)

| | | | dias_de_vida = 1600: S (3.0/1.0)

| | | | dias_de_vida = 2600

| | | | dias_de_vida = 4000: S (1.0)

161

| | | | dias_de_vida = 6100: N (0.0)

| | | | dias_de_vida = 7900: N (0.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | media = 150: N (6.0/1.0)

| | | media = 200

| | | | dias_de_vida = 0: S (1.0)

| | | | dias_de_vida = 1600: N (1.0)

| | | | dias_de_vida = 2600

| | | | dias_de_vida = 4000: N (2.0)

| | | | dias_de_vida = 6100: N (0.0)

| | | | dias_de_vida = 7900: N (0.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | media = 300

| | | | cod_classe_consumo <= 4011: N (10.0/1.0)

| | | | cod_classe_consumo > 4011

| | | media = 600: N (14.0)

| | cod_classe_principal = 5

| | | altitude = 0: N (4.0)

| | | altitude = 400

| | | | dias_de_vida = 0: S (3.0/1.0)

| | | | dias_de_vida = 1600: N (1.0)

| | | | dias_de_vida = 2600: N (3.0/1.0)

| | | | dias_de_vida = 4000: N (1.0)

| | | | dias_de_vida = 6100: N (0.0)

| | | | dias_de_vida = 7900: N (0.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | altitude = 500: N (0.0)

| | | altitude = 600: N (0.0)

| | | altitude = 615: N (0.0)

| | | altitude = 680: N (0.0)

162

| | | altitude = 800: N (0.0)

| | cod_classe_principal = 6: N (2.0)

| | cod_classe_principal = 7: N (4.0)

| | cod_classe_principal = 8: N (0.0)

| subtipo = MV202

| | ano_fabric = 0: N (0.0)

| | ano_fabric = 1980: N (0.0)

| | ano_fabric = 1983: N (0.0)

| | ano_fabric = 1986

| | | temperatura = 0.0: N (0.0)

| | | temperatura = 20.6: N (13.0)

| | | temperatura = 21.5: S (1.0)

| | | temperatura = 21.6: N (0.0)

| | | temperatura = 21.7: N (6.0)

| | | temperatura = 23.1: N (4.0)

| | ano_fabric = 1992

| | | cod_tipo_fase = MO: N (6.0)

| | | cod_tipo_fase = BI

| | | | cod_classe_principal = 1

163

| | | | cod_classe_principal = 2: N (0.0)

| | | | cod_classe_principal = 3: N (29.0/3.0)

| | | | cod_classe_principal = 4

| | | | cod_classe_principal = 5

164

| | | | cod_classe_principal = 6: N (2.0)

| | | | cod_classe_principal = 7: N (0.0)

| | | | cod_classe_principal = 8: S (1.0)

| | | cod_tipo_fase = TR: N (3.0/1.0)

| | ano_fabric = 1998: N (0.0)

| subtipo = MY202

| | temperatura = 0.0: N (89.0)

| | temperatura = 20.6: N (17.0)

| | temperatura = 21.5

| | | cod_localidade <= 49: S (5.0/2.0)

| | | cod_localidade > 49: N (2.0)

| | temperatura = 21.6

| | | precipitacao = 0.0: N (0.0)

| | | precipitacao = 100.0

| | | | dias_de_vida = 0: N (8.0/1.0)

| | | | dias_de_vida = 1600: N (5.0/1.0)

| | | | dias_de_vida = 2600: N (6.0)

| | | | dias_de_vida = 4000

| | | | dias_de_vida = 6100: N (1.0)

| | | | dias_de_vida = 7900: N (1.0)

| | | | dias_de_vida = 8800: N (1.0)

| | | precipitacao = 104.4: N (0.0)

| | | precipitacao = 110.0: N (31.0/6.0)

| | | precipitacao = 112.2: N (13.0)

| | | precipitacao = 114.0: N (0.0)

| | | precipitacao = 148.0: N (0.0)

| | temperatura = 21.7

| | | cod_tipo_local = RR: N (18.0)

165

| | | cod_tipo_local = UB

| | | | maximo = 0: N (5.0/1.0)

| | | | maximo = 150: N (5.0/1.0)

| | | | maximo = 200: N (5.0)

| | | | maximo = 250: N (8.0)

| | | | maximo = 320: N (12.0)

| | | | maximo = 440: N (8.0/1.0)

| | | | maximo = 800

| | temperatura = 23.1

| | | media = 0: N (5.0)

| | | media = 100: N (3.0)

| | | media = 150

| | | | cod_classe_principal = 1: S (3.0/1.0)

| | | | cod_classe_principal = 2: N (0.0)

| | | | cod_classe_principal = 3: N (2.0)

| | | | cod_classe_principal = 4: S (1.0)

| | | | cod_classe_principal = 5: N (0.0)

| | | | cod_classe_principal = 6: N (0.0)

| | | | cod_classe_principal = 7: N (0.0)

| | | | cod_classe_principal = 8: N (0.0)

| | | media = 200: N (7.0)

| | | media = 300: N (5.0)

| | | media = 600: N (8.0/1.0)

| subtipo = PN5DG

| | cod_classe_principal = 1

| | | maximo = 0

| | | | ano_fabric = 0: N (0.0)

| | | | ano_fabric = 1980: N (0.0)

| | | | ano_fabric = 1983: N (0.0)

| | | | ano_fabric = 1986: N (0.0)

166

| | | | ano_fabric = 1992: S (4.0)

| | | | ano_fabric = 1998

| | | maximo = 150

| | | | media = 0

| | | | media = 100

| | | | media = 150: N (3.0)

| | | | media = 200: N (0.0)

| | | | media = 300: N (0.0)

| | | | media = 600: N (0.0)

| | | maximo = 200

| | | | temperatura = 0.0: N (2.0)

| | | | temperatura = 20.6: N (7.0)

| | | | temperatura = 21.5

| | | | temperatura = 21.6: N (3.0)

| | | | temperatura = 21.7: N (7.0)

| | | | temperatura = 23.1: N (0.0)

| | | maximo = 250

| | | | dias_de_vida = 0: N (0.0)

| | | | dias_de_vida = 1600

167

| | | | dias_de_vida = 2600: N (5.0)

| | | | dias_de_vida = 4000: N (0.0)

| | | | dias_de_vida = 6100: N (0.0)

| | | | dias_de_vida = 7900: N (0.0)

| | | | dias_de_vida = 8800: N (0.0)

| | | maximo = 320: N (15.0/3.0)

| | | maximo = 440: N (6.0)

| | | maximo = 800: N (2.0)

| | cod_classe_principal = 2: N (3.0)

| | cod_classe_principal = 3: N (27.0/3.0)

| | cod_classe_principal = 4: N (10.0)

| | cod_classe_principal = 5

| | | media = 0: N (1.0)

| | | media = 100: N (0.0)

| | | media = 150: S (1.0)

| | | media = 200: N (2.0)

| | | media = 300: N (0.0)

| | | media = 600: N (2.0)

| | cod_classe_principal = 6: N (0.0)

| | cod_classe_principal = 7: N (0.0)

| | cod_classe_principal = 8: N (0.0)

| subtipo = T8L

| | cod_tipo_local = RR

| | | cod_classe_principal = 1: N (3.0)

| | | cod_classe_principal = 2: N (0.0)

| | | cod_classe_principal = 3: N (0.0)

| | | cod_classe_principal = 4

| | | | dias_de_vida = 0: N (0.0)

| | | | dias_de_vida = 1600: N (16.0/3.0)

| | | | dias_de_vida = 2600

168

| | | | dias_de_vida = 4000

| | | | dias_de_vida = 6100

| | | | dias_de_vida = 7900

169

| | | | dias_de_vida = 8800: N (13.0/1.0)

| | | cod_classe_principal = 5: S (1.0)

| | | cod_classe_principal = 6: N (0.0)

| | | cod_classe_principal = 7: N (1.0)

| | | cod_classe_principal = 8: N (0.0)

| | cod_tipo_local = UB: N (79.0/8.0)

instalacoes = 2

| subtipo = D58: N (5.0/1.0)

| subtipo = D58C

| | cod_classe_principal = 1

| | | maximo = 0: N (17.0/1.0)

| | | maximo = 150: N (8.0/1.0)

| | | maximo = 200: N (12.0)

| | | maximo = 250: N (11.0)

| | | maximo = 320: N (3.0/1.0)

| | | maximo = 440: N (6.0/1.0)

| | | maximo = 800: S (1.0)

| | cod_classe_principal = 2: N (1.0)

| | cod_classe_principal = 3: N (9.0)

| | cod_classe_principal = 4: N (2.0/1.0)

| | cod_classe_principal = 5: N (3.0)

| | cod_classe_principal = 6: N (0.0)

| | cod_classe_principal = 7: N (0.0)

| | cod_classe_principal = 8: N (0.0)

| subtipo = D8L

| | dias_de_vida = 0: N (30.0/2.0)

| | dias_de_vida = 1600: N (2.0)

| | dias_de_vida = 2600: S (1.0)

| | dias_de_vida = 4000: N (0.0)

| | dias_de_vida = 6100: N (0.0)

| | dias_de_vida = 7900: N (0.0)

| | dias_de_vida = 8800: N (0.0)

| subtipo = FV201

| | cod_classe_principal = 1: N (18.0)

| | cod_classe_principal = 2: N (0.0)

170

| | cod_classe_principal = 3

| | | maximo = 0: N (2.0)

| | | maximo = 150: N (1.0)

| | | maximo = 200: S (1.0)

| | | maximo = 250: N (2.0)

| | | maximo = 320: N (0.0)

| | | maximo = 440: N (0.0)

| | | maximo = 800: N (0.0)

| | cod_classe_principal = 4: N (0.0)

| | cod_classe_principal = 5: N (0.0)

| | cod_classe_principal = 6: N (0.0)

| | cod_classe_principal = 7: N (0.0)

| | cod_classe_principal = 8: N (0.0)

| subtipo = M1A: N (22.0/1.0)

| subtipo = M8L

| | maximo = 0: N (9.0/1.0)

| | maximo = 150: S (4.0/1.0)

| | maximo = 200: N (6.0/1.0)

| | maximo = 250: N (3.0/1.0)

| | maximo = 320: N (0.0)

| | maximo = 440: N (0.0)

| | maximo = 800: N (0.0)

| subtipo = MFT120G

| | maximo = 0: N (3.0)

| | maximo = 150: N (2.0)

| | maximo = 200: N (1.0)

| | maximo = 250: S (3.0/1.0)

| | maximo = 320: N (4.0)

| | maximo = 440: N (2.0/1.0)

| | maximo = 800: N (4.0/1.0)

| subtipo = MV202

| | media = 0

| | | cod_classe_principal = 1

| | | | altitude = 0: N (3.0)

| | | | altitude = 400: N (1.0)

| | | | altitude = 500: N (2.0)

| | | | altitude = 600: N (1.0)

| | | | altitude = 615: S (3.0/1.0)

| | | | altitude = 680: N (1.0)

| | | | altitude = 800: N (0.0)

| | | cod_classe_principal = 2: S (1.0)

171

| | | cod_classe_principal = 3: N (6.0)

| | | cod_classe_principal = 4: N (0.0)

| | | cod_classe_principal = 5: N (0.0)

| | | cod_classe_principal = 6: N (0.0)

| | | cod_classe_principal = 7: N (0.0)

| | | cod_classe_principal = 8: N (0.0)

| | media = 100

| | | altitude = 0: N (0.0)

| | | altitude = 400: N (2.0/1.0)

| | | altitude = 500: S (1.0)

| | | altitude = 600: S (1.0)

| | | altitude = 615: N (2.0)

| | | altitude = 680: N (0.0)

| | | altitude = 800: N (0.0)

| | media = 150: N (6.0)

| | media = 200: N (1.0)

| | media = 300: N (6.0)

| | media = 600: N (2.0/1.0)

| subtipo = MY202

| | precipitacao = 0.0: S (1.0)

| | precipitacao = 100.0: N (6.0)

| | precipitacao = 104.4: N (1.0)

| | precipitacao = 110.0: N (7.0)

| | precipitacao = 112.2: N (8.0)

| | precipitacao = 114.0: N (42.0)

| | precipitacao = 148.0

| | | media = 0: N (7.0)

| | | media = 100: N (2.0)

| | | media = 150: S (1.0)

| | | media = 200: N (4.0)

| | | media = 300: N (3.0)

| | | media = 600: N (1.0)

| subtipo = PN5DG

| | media = 0

| | | precipitacao = 0.0

| | | | altitude = 0: N (0.0)

| | | | altitude = 400: N (1.0)

| | | | altitude = 500: S (2.0)

| | | | altitude = 600: N (0.0)

| | | | altitude = 615: N (4.0/1.0)

| | | | altitude = 680: N (0.0)

172

| | | | altitude = 800: N (0.0)

| | | precipitacao = 100.0

| | | | maximo = 0: N (4.0)

| | | | maximo = 150: S (3.0/1.0)

| | | | maximo = 200: N (0.0)

| | | | maximo = 250: N (0.0)

| | | | maximo = 320: N (0.0)

| | | | maximo = 440: N (0.0)

| | | | maximo = 800: N (0.0)

| | | precipitacao = 104.4: N (6.0)

| | | precipitacao = 110.0: N (0.0)

| | | precipitacao = 112.2: N (0.0)

| | | precipitacao = 114.0: N (0.0)

| | | precipitacao = 148.0: N (0.0)

| | media = 100: N (11.0/1.0)

| | media = 150: N (3.0)

| | media = 200: N (7.0)

| | media = 300: N (2.0)

| | media = 600: N (1.0)

| subtipo = T8L: N (17.0)

instalacoes = 3

| subtipo = D58: N (1.0)

| subtipo = D58C

| | precipitacao = 0.0: N (1.0)

| | precipitacao = 100.0: N (0.0)

| | precipitacao = 104.4: N (3.0)

| | precipitacao = 110.0: N (6.0)

| | precipitacao = 112.2

| | | media = 0: S (3.0/1.0)

| | | media = 100: N (0.0)

| | | media = 150: N (0.0)

| | | media = 200: N (2.0)

| | | media = 300: N (0.0)

| | | media = 600: N (0.0)

| | precipitacao = 114.0: N (4.0/1.0)

| | precipitacao = 148.0: N (1.0)

| subtipo = D8L: N (10.0)

| subtipo = FV201: N (7.0)

| subtipo = M1A: N (4.0)

| subtipo = M8L

| | maximo = 0: N (4.0)

173

| | maximo = 150: S (1.0)

| | maximo = 200: N (2.0)

| | maximo = 250: N (0.0)

| | maximo = 320: N (0.0)

| | maximo = 440: N (0.0)

| | maximo = 800: N (0.0)

| subtipo = MFT120G: N (4.0)

| subtipo = MV202: N (14.0/2.0)

| subtipo = MY202: N (34.0/1.0)

| subtipo = PN5DG

| | temperatura = 0.0: N (2.0)

| | temperatura = 20.6: N (4.0)

| | temperatura = 21.5: S (1.0)

| | temperatura = 21.6: S (1.0)

| | temperatura = 21.7

| | | cod_localidade <= 220: N (2.0)

| | | cod_localidade > 220: S (2.0)

| | temperatura = 23.1: N (0.0)

| subtipo = T8L: N (7.0)

instalacoes = 4

| ano_fabric = 0: N (2.0/1.0)

| ano_fabric = 1980: N (4.0)

| ano_fabric = 1983: N (5.0)

| ano_fabric = 1986: N (3.0)

| ano_fabric = 1992: S (1.0)

| ano_fabric = 1998: N (5.0/1.0)

instalacoes = 5: N (6.0)

instalacoes = 6: N (2.0)

Number of Leaves : 1115

Size of the tree : 1335

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 